通过计算两个之间的相关系数,对两个变量之间是否显著性相关作出判断。
1.操作步骤
(1)在菜单栏中依次选择 分析——相关——双变量。
(2)选择变量。从源变量列表中选择需要相关分析的变量,然后单击箭头按钮→将选中的变量导入“变量”列表中。
(3)“相关系数”选项组
Pearson 复选框、Kendall的tau-b(K)复选框和Spearman复选框,分别可以计算Pearson简单相关系数、Kendall秩相关系数和Spearman等级相关系数。
不知道选什么时,一般选择Pearson。
(4)“显著性检验”选项组
双侧检验:了解变量间是正相关或者负相关。只关心两个总体参数之间是否有差异(正相关还是负相关),而不关心谁大谁小。例:如研究者关心的是某中学中高三重点班学生和高三学生总体的平均智商是否有差异。
单侧检验:强调差异的方向性,即关心研究对象是高于还是低于某一总体水平。例:研究者想检验是否重点班学生的平均智商要高于全体高三学生的平均水平。
(5)“标记显著性相关”复选框
如果选中此框,则在输出结果中标出有显著意义的相关系数。
(6)“选项”按钮
①“均值和标准差”复选框表示计算均值和标准差,为每个变量显示其均值和标准差,并且显示具有非缺失值的个案数。
②“叉积偏差和协方差”表示计算变量叉积偏差和协方差,即为没对变量显示叉积偏差和协方差,偏差的叉积等于矫正均值变量的乘积之和,这是Pearson相关系数的分子。协方差是有关于两个变量之间关系的一种非标准化度量的,等于叉积偏差除以N-1。
(7)“缺失值”选项组
该选项组用于选择处理默认值的方法。
①“按对排除个案”单选按钮:表示在计算某个统计量时,在这一对变量汇中排除有默认值的观测,为系统默认选项;
②“按列表拍出个案”单选按钮表示对于任何分析,排除所有含默认值的观测个案。
2.实验的描述性分析结果及分析
按下图的参数设置:
1.描述性统计量
包括均值、标准差、观测样本数。
2.相关性
粮食产量和受灾面积之间的皮尔逊相关系数为0.803,表示两者之间存在不完全相关且为正相关。
(注:相关系数为多少时显著性明显?
①相关数值越接近1或-1时,表示两者的关系越明显,或正相关或负相关。
②一般来说,取绝对值后,0-0.09为没有相关性,0.3-弱,0.1-0.3为弱相关,0.3-0.5为中等相关,0.5-1.0为强相关.但是,往往还需要做显著性差异检验,即t-test,来检验两组数据是否显著相关,这在SPSS里面会自动为你计算的. )
两者之间不相关的双侧显著性P值为0.005<0.01,表示在0.01的显著性水平上肯定了两者相关的假设。
(注:如何根据P值判断显著性水平?
一般以P < 0.05 为有统计学差异, P
∴由此图可以得出结论,A和B存在显著的相关性。
3.相关分析的分类
(1)按相关的程度划分,现象之间的相关关系可以划分完全相关、不相关和不完全相关三种。
①当一个现象的数量变化完全由另一个现象的数量变化所决定时,称两种现象间的关系为完全相关;
②当两个现象彼此互相不影响,其数量变化各自独立时,就称为不相关;
③当两个现象之间的关系介于完全相关和不相关之间时,就是不完全相关。
完全相关可以以方程的方式呈现,因此,完全相关便转化为一般意义上的函数关系;通常现象都是不完全相关的,这是相关分析的主要研究对象。
(2)按相关的方向划分,分为正相关和负相关。
当一个现象的数量由小变大,另一个现象的数量也相应由小变大时,就成为正相关;反之,则成为负相关。需要注意的是,许多现象的正、负相关的关系仅在一定范围内存在。
(3)按相关的形式划分,现象之间的相关关系可划分为线性相关和非线性相关。
相关关系是一种数量关系上不严格的相互依存关系。当两种相关关系之间的关系大致呈现出线性关系时,则称为线性相关;如果两种相关现象之间近似的表现为一条曲线,则称为非线性相关。
(4)按照影响因素的多少划分,现象之间的相关关系可划分为单相关、复相关和偏相关。
单向量是两个变量间的关系,即一个因变量对一个自变量的相关关系,也叫简相关;复相关是指三个或三个以上变量之间的关系,即一个因变量对两个或两个以上自变量的相关关系,又称多元相关;偏相关是指某一变量与多个变量相关时,假定其他变量不变,其中两个变量的相关关系。
4.相关分析的描述方法
(1)Pearson简单相关系数
简单相关系数r的性质:
①-1≤r≤1,r绝对值越大,表明两个变量之间的相关程度越强。
②若0<r≤1,表明两个变量之间存在正相关。若r=1,则表明变量间存在着完全正相关的关系。
③若-1≤r<0,表明两个变量之间存在负相关。若r=-1,则表明变量间存在着完全正相关的关系。
④r=0,表明两个变量之间无线性相关。
应该注意的是,简单相关系数所反映的并不是任何一种关系,而仅仅是线性关系。另外,相关系数所反映的线性关系并不一定是因果关系。
(2)Spearman等级相关系数
等级相关用来考察两个变量中至少有一个为定序变量时的相关系数,例如,学历与收入之间的关系。
(3)Kendall秩相关系数
学无止境!提示您:看后求收藏(同创文学网www.tcwxx.com),接着再看更方便。