首页 > 其他 > 详细

SPSS-两变量相关性分析

时间:2014-05-12 11:38:23      阅读:598      评论:0      收藏:0      [点我收藏+]

两个变量之间存在确定性:关系和不确定关系(会存在一定的波动范围),就好比你的亲生母亲绝对只有一个,而你的亲叔叔可能有好几个(可以在1叔—4叔之间波动)

      相关性一般分为   1:强正相关关系  (一个值会随着另一个值的增加而增加,增加幅度很明显)

                                 2:弱正相关关系   (一个值会随着另一个值的增加而稍增加,增加幅度不太明显,但是有变化趋势)

                                 3:负正相关关系  (一个值会随着另一个值的增加而减少,减少幅度很明显)

                                 4:弱负相关关系   (同弱正相关关系一个原理)

                                 5:非线性相关关系 (说明两个变量之间没有明显的线性关系,却存在着某种非线性关系,比如:曲线,S型,Z型等等)

                                 6:不相关   (两者之间,没有相关性)

 两变量的相关性研究,相对来说,比较容易,如果是多变量之间的相关性研究,会比较复杂一些,因为要确定哪些是显著的,哪些是不显著的,以及相关系数的大小(强弱等),深入研究,可能会涉及:回归分析 和 因子分析。

废话说了一堆,下面开始进入主题,以“肺活量数据”为例,分析体重和肺活量之间是否存在相关性,以及相关性的强弱等,数据如下所示:

bubuko.com,布布扣

 

     先对两个变量之间的关系进行初步评估,采用“图形构建器“进行初步评估,打开SPSS,点击”图形——图标构建程序——选择散点图

进入如下所示界面:

bubuko.com,布布扣

 

    选择“简单散点图” 将“简单散点图”拖动放入 上面右侧的“空白处” 将 体重变量拖入右侧作为X轴, 将肺活量拖入右侧作为Y轴,得到如下所示的界面:

bubuko.com,布布扣

 

点击确定,会得到“相关性的散点图”,如下所示:

bubuko.com,布布扣

 

   从上图可以看出,两个变量之间,很明显存在相关性,随着“体重”的增加,肺活量也呈现出“增加”的趋势 (属于 正相关关系),下面进一步研究两者相关性的强弱

 点击“分析——相关——双变量,进入如下所示的界面:

bubuko.com,布布扣

 

      将“体重”和“肺活量”两个变量,分别拖入右侧框内,在相关系数 一栏中,勾选“pearson,   kendall   以及spearman 三个选项

显著性检验中,随便勾选哪一个都可以,因为我们已经确立两者之间呈现正相关关系,所有,采用“单侧检验”也是可以的,勾选“标记显著性相关”点击确定,得到如下结果:

bubuko.com,布布扣

bubuko.com,布布扣

 

结果分析:

1:从相关性的表格中可以看出:在0.01水平下,显著相关,(因为0.00<0.01)并且呈现出明显的“正相关关系”

 

2:从相关系数表中可以看出:kendall  ,spearman 两种方式都呈现出相关性,

 

pearson相关系数采用的是“参数统计方法” 后面的 kendall, spearman 采用的是“非参数统计方法”。

 

  这三种不同的形式,得出的相关系数值也不同,分别为:0.736, 0.594, 0.744 三个值,分别代表了相关强弱

SPSS-两变量相关性分析,布布扣,bubuko.com

SPSS-两变量相关性分析

原文:http://www.cnblogs.com/qiernonstop/p/3720439.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!