SPSS相关性分析案例.docxVIP

SPSS相关性分析案例

相关性分析是统计学中用于研究两个或多个变量之间关联程度的核心方法，其核心目的是判断变量间是否存在线性相关关系及相关的强度与方向，而不涉及变量间的因果推断。SPSS（StatisticalProductandServiceSolutions）作为主流的统计分析软件，凭借其可视化操作界面和强大的统计功能，成为实现相关性分析的常用工具。

本文以“大学生学习投入与学业成绩的相关性研究”为具体案例，完整呈现从研究设计、数据收集与整理，到SPSS操作步骤、结果解读及结论应用的全流程，重点说明Pearson相关系数、Spearman等级相关系数的适用场景及分析逻辑，为科研人员及数据分析从业者提供可复用的实践参考。

一、案例研究设计

1.1研究主题

探究大学生课堂学习投入、课后学习时长、学习自主性三个维度与学业成绩之间的相关性，为高校优化教学策略、提升学生学业表现提供数据支撑。

1.2研究假设

H1：大学生课堂学习投入与学业成绩呈显著正相关；

H2：大学生课后学习时长与学业成绩呈显著正相关；

H3：大学生学习自主性与学业成绩呈显著正相关；

H4：学习投入各维度（课堂投入、课后时长、自主性）之间呈显著正相关。

1.3变量定义与测量

本研究涉及4个核心变量，其中3个为自变量（预测变量），1个为因变量（结果变量），具体定义及测量方式如下：

变量类型

变量名称

变量定义

测量方式

变量尺度

自变量

课堂学习投入

学生在课堂上的专注度、参与度及互动积极性

采用“大学生学习投入量表”中课堂投入维度（5个题项），李克特5点计分（1=完全不符合，5=完全符合），计算平均分作为变量值

连续变量（区间尺度）

课后学习时长

学生每周课后用于课程复习、作业完成、拓展学习的累计时间

问卷调查直接询问，单位为“小时/周”，取实际数值

连续变量（比率尺度）

学习自主性

学生主动制定学习计划、调整学习策略、监控学习过程的能力

采用“学习自主性量表”（6个题项），李克特5点计分，计算平均分作为变量值

连续变量（区间尺度）

因变量

学业成绩

学生上一学期所有课程的加权平均成绩

从学校教务系统获取，以“百分制”呈现

连续变量（比率尺度）

1.4样本选择与数据收集

采用随机抽样法，选取某普通高校文、理、工三个学科门类的大一、大二学生作为调查对象，共发放问卷300份，回收有效问卷278份，有效回收率为92.7%。样本基本信息如下：性别分布（男142人，占51.1%；女136人，占48.9%）；年级分布（大一145人，占52.2%；大二133人，占47.8%）；学科分布（文科95人，占34.2%；理科90人，占32.4%；工科93人，占33.4%），样本结构具有较好的代表性。

二、数据准备与SPSS数据录入

2.1数据清洗原则

为保证分析结果的可靠性，数据收集后需进行清洗，处理规则如下：①剔除存在严重缺失值的问卷（缺失题项数≥3项）；②剔除明显作答规律的无效问卷（如所有题项均选同一选项）；③对连续变量进行异常值检测，通过“均值±3倍标准差”法则识别异常值，共发现3个课后学习时长异常值（如每周课后学习时长≥60小时），经核实为录入错误，修正后保留。

2.2SPSS数据录入步骤

打开SPSS26.0软件，进入“变量视图”（VariableView），定义4个核心变量的基本属性：

变量名：分别命名为“课堂投入”“课后时长”“学习自主性”“学业成绩”（变量名需简洁，避免中文特殊符号）；

类型：均选择“数值”（Numeric）；

测量尺度：均选择“度量”（Scale，即连续变量）；

小数位数：“课后时长”保留1位小数，其余变量保留2位小数。

切换至“数据视图”（DataView），将清洗后的278个有效样本数据逐行录入对应变量列中，形成SPSS数据文件（命名为“学习投入与学业成绩数据.sav”）。

数据录入完成后，通过“分析→描述统计→描述”功能，查看各变量的基本统计量（均值、标准差、最小值、最大值），初步判断数据分布是否合理，部分输出结果如下：

变量

均值

标准差

最小值

最大值

课堂投入

3.72

0.68

1.80

5.00

课后时长

15.62

4.35

6.50

32.00

学习自主性

3.58

0.72

1.67

5.00

学业成绩

78.35

8.21

60.50

95.20

三、SPSS相关性分析操作流程

本研究中所有变量均为连续变量，且经后续正态性检验符合正态分布（检验方法见3.1），因此选择Pearson积差相关系数进行分析；若变量为有序分类变量或不符合正态分布，则需采用Spearman等级相关系数。

3.1前提假设检验——正态性检验

Pearson相关分析的核心前提是变量服从正态分布，需对4个核心变