第7章 SPSS相关分析
- 格式:ppt
- 大小:2.22 MB
- 文档页数:56
第7章相关分析相关分析是研究变量间密切程度的一种常用统计方法。
线性相关分析研究两个变量间线性关系的程度。
相关系数是描述这种线性关系程度和方向的统计量,通常用r表示。
如果一个变量y可以确切地用另一个变量x的线性函数表示,那么,两个变量间的相关系数是+1或-l。
如果变量y随着变量x的增、减而增、减,即变化的方向一致。
例如,在一定的温度范围内昆虫发育速率与温度的关系,温度越高,发育速率相对也就越快。
这种相关称为正向相关,其相关系数大于0。
如果变量y随着变量x的增加而减少,变化方向相反。
例如,降雨强度与田间害虫种群数量的关系,随着降雨强度的增加,时间延长,害虫种群数量逐步下降。
这种相关关系称为负相关,其相关系数小于0。
相关系数r没有单位,其值在-1~+1之间。
SPSS系统中有一个用于相关分析的“Correlate”菜单项,其中包括有板有三个过程:① Bivariate 分析两个变量之间的相关关系;② Partial偏相关分析,分析在一个或多个变量的影响下,两个变量之间的相关关系;③ Distance 相似性分析(距离分析)。
在这里将结合例子介绍两个变量之间的相关分析和偏相关分析过程的应用。
7.1二个变量间的相关分析本节介绍两两变量间的相关分析。
包括两个连续变量间的相关和两个等级变量间的秩相关。
这两种相关使用同一个过程,通过选择不同的分析方法来实现。
选择哪一种分析方法要看具体的数据类型。
[例子7-1]调查了29人身高、体重和肺活量的数据见表7-1,分析这三者之间的相互关系。
表7-1 身高、体重和肺活量的调查数据编号身高体重肺活量编号身高体重肺活量1 135.10 32.0 1.75 16 153.00 32.0 1.752 139.90 30.4 1.75 17 147.60 40.5 2.003 163.60 46.2 2.75 18 157.50 43.3 2.254 146.50 33.5 2.50 19 155.10 44.7 2.755 156.20 37.1 2.75 20 160.50 37.5 2.006 156.40 35.5 2.00 21 143.00 31.5 1.757 167.80 41.5 2.75 22 149.90 33.9 2.258 149.70 31.0 1.50 23 160.80 40.4 2.759 145.00 33.0 2.50 24 159.00 38.5 2.2510 148.50 37.2 2.25 25 158.20 37.5 2.0011 165.50 49.5 3.00 26 150.00 36.0 1.7512 135.00 27.6 1.25 27 144.50 34.7 2.2513 153.30 41.0 2.75 28 154.60 39.5 2.5014 152.00 32.0 1.75 29 156.50 32.0 1.7515 160.50 47.2 2.251037.1.1操作步骤1)准备数据文件在数据编辑窗口,定义变量名“no”为编号、“height”为身高、“weight”为体重、“vcp”为肺活量。
上机实验七SPSS相关分析题目:1、分析数学和英语得分是否存在线性关系?数据来源:SPSS课程资料correlate2.sav假设:H0:数学和英语得分存在线性关系H1:数学和英语得分不存在线性关系基本结果:结论:Pearson相关系数为0.834,sig值为0.003,sig值小于0.05,所以数学和英语得分存在正相关;Spearman相关系数为0.770,sig值为0.009,sig值小于0.05,所以数学和英语得分存在正相关;无论是用Pearson、Spearman相关系数,都可以得出数学和英语得分存在正相关的结论,故接受H0假设,且SIG值均小于0.05,两者之间存在正相关线性关系。
题目:2、分析汽车销售额和燃油效率之间是否存在线性关系?数据来源:SPSS课程资料correlate1.sav假设:H0:汽车销售额和燃油效率之间存在线性关系H1:汽车销售额和燃油效率之间不存在线性关系基本结果:结论:Pearson相关系数为-0.492,sig值为0.000,sig值小于0.05,所以汽车销售额和燃油效率之间存在负相关;Spearman相关系数为-0.614,sig值为0.000,sig值小于0.05,所以汽车销售额和燃油效率之间存在负相关;无论是用Pearson、Spearman相关系数,都可以得出汽车销售额和燃油效率之间存在负相关的结论,且SIG值均小于0.05,故接受H0假设,两者之间存在负相关线性关系。
题目:3、试分析工资高低是否和教育水平相关?数据来源:SPSS课程资料Employee data.sav假设:H0:工资高低和教育水平相关H1:工资高低和教育水平不相关基本结果:结论:Pearson相关系数为0.661,sig值为0.000,sig值小于0.05,所以工资高低和教育水平之间存在正相关;Spearman相关系数为0.688,sig值为0.000,sig值小于0.05,所以工资高低和教育水平之间存在正相关;无论是用Pearson、Spearman相关系数,都可以得出工资高低和教育水平之间存在正相关的结论,且SIG值均小于0.05,故接受H0假设,两者之间存在正相关线性关系。
第七章态度调查及社会测量第一节态度调查的一般概述一、什么是态度调查态度是个体对某一对象所持的评价和行为倾向。
如果不是不可能的话,至少也是很难对态度进行直接测量。
一般研究者依据个体对其信念和情感的表达即意见来推测或估计他的态度。
这些意见可以通过个体对问题的反应获得。
依据个体表达出来的意见推测其态度有很大的局限性。
首先,人们可以掩饰和隐藏其真实态度,而表达出社会可接受的意见。
其次,人们可能并不一定真正知道他们对一个社会问题的感受,或对这类问题从未考虑过。
第三,人们可能对一个抽象的情景感受不深,除非其面对真实情景,否则无法预测其反应或行为。
即使是个体的行为本身,也不总能标志其态度。
当西方政治家们吻幼儿时,他们的行为不一定真实表示他们喜欢幼儿。
社会风俗或为博得社会赞同的愿望使得许多公开的行为表露仅仅为了形式,很少与人们的内心情感有关。
尽管如此,在许多情况下,意见的描述和测量还是可能与人们的真实态度密切关联的。
二、态度测量的方法H.C.林格伦认为,态度测量主要是测量态度的方向和强度。
态度的方向反映个体对对象的好恶及肯定或否定;态度的强度反映个体对对象感受的力量或深度。
当今测量态度的方法主要有:自我评定法、自由反应法、行为观察法及生理反应法等。
自我评定法是要求被测者对一定项目进行自我评定,测定时主要测定态度的情感成分,一般用数字表示其结果。
自我评定的手段有总和等级评定法和社会距离量表法。
自由反应法主要测定态度的认知成分,测定时要求被测者做出自由反应。
主要包括问卷法、投射法、语句完成法等。
这些方法已有专门叙述,在此不再赘述。
行为观察法主要是观察被测量者的行为表现,根据其行为表现估计其对对象的态度。
它的优点是可以不使被测量者觉察从而获得的资料比较可靠。
其不足在于行为和态度并不是一一对应的简单关系。
因此一般不宜单独以观察行为的结果来确定一个人的态度,而是与其它态度测量方法结合使用。
生理反应法是测量被测者的生理反应以确定其态度的方法,主要测定人们态度的情感因素的强度。
第七章SPSS的相关分析SPSS是一种常用的统计分析软件,可以进行各种统计分析方法,如相关分析。
相关分析是一种用来研究两个变量之间关系的方法。
本文将介绍SPSS中进行相关分析的方法和步骤。
进入“Correlate”选项后,弹出一个新的窗口,在这个窗口中有两个选项:“Bivariate”和“Partial”。
在这里我们选择“Bivariate”选项,因为我们想要研究两个变量之间的直接关系。
然后,我们可以选择要进行相关分析的变量,将其移动到右边的“Variables”框中。
在“Bivariate”选项的窗口中,还有一个选项“Options”,点击这个选项可以设置一些其他的参数。
比如我们可以选择是否计算缺失值、是否使用Spearman相关系数等。
根据实际情况,我们可以酌情选择这些参数。
在设置完成后,点击“OK”按钮,SPSS将进行相关分析,并且将结果显示在“Output”窗口中。
在输出结果中,我们可以看到相关系数的值以及相关系数的显著性水平。
此外,SPSS还会生成相关系数的散点图,方便我们直观地观察变量之间的关系。
除了进行简单的两个变量之间的相关分析,SPSS还可以进行多个变量之间的相关分析。
在“Bivariate”选项的窗口中,我们可以选择多个变量,将其移动到右边的“Variables”框中。
然后,我们可以选择是否计算偏相关系数,以及是否进行Bonferroni校正等。
总结起来,SPSS是一种方便易用的统计分析软件,可以进行各种统计分析方法,包括相关分析。
通过SPSS,我们可以快速而准确地对变量之间的关系进行研究。
在分析结果中,SPSS还会为我们提供有用的图表和统计指标,帮助我们更好地理解和解释数据。
第七章回归分析OUTLINE一元线性回归01多元归回02一元线性回归一元线性回归操作过程在SPSS中单击主菜单“Analyze→Regression→Linear…”,进入设置对话框。
从左边变量表列中把因变量学生数学学业成绩(MATH)选入到因变量(Dependent)框中,把自变量学生家庭社会经济地(ESCS)选入到自变量(Independent)框中。
一元线性回归操作过程单击“Statistics…”按钮,可以选择需要输出的一些统计量。
如Regression Coefficients(回归系数)中的Estimates,可以输出回归系数及相关统计量,包括回归系数B、标准误、标准化回归系数BETA、t值及显著性p值等;另外还可以通过勾选“Confidence intervals”得到回归系数置信区间的结果。
“Model fit”项可输出相关系数R,测定系数R2,调整系数,估计标准误及方差分析表。
上述两项为默认选项,请注意保持选中。
此处还可以勾选“Residuals”(残差)下的“Durbin-Watson”检验,可以检验残差与自变量之间是否相互独立;以及对数据中的异常值进行诊断。
一元线性回归操作过程单击“Options…”按钮,打开它的对话框,可以看到中间有一项Include constant in equation可选项。
选中该项可输出对常数的检验。
在“Options”对话框中,还可以定义处理缺失值的方法和设置多元逐步回归中变量进入和排除方程的准则,这里我们采用系统的默认设置,设置完成后点击“Continue”返回主对话框。
一元线性回归的结果输出模型中包含的自变量及进入方式一元线性回归的结果输出模型拟合概述一元线性回归的结果输出回归方程检验方差分析表一元线性回归的结果输出回归系数估计及其检验表多元回归多元回归操作过程(标准多元回归)多元线性回归所用命令语句与一元线性回归相同,同样可以通过单击主菜单“Analyze→Regression→Linear…”,进入设置对话框,如图所示。