SPSS数据分析教程相关性精品PPT课件
- 格式：pptx
- 大小：533.37 KB
- 文档页数：32
下载文档原格式
合集下载
心理统计SPSS-第六章-相关性研究及其分析过程 PPT课件
演示7：同质性信度分析过程演示及其结果解释
24
复习练习题
1. 调用文件 “演示8数据Employee Data”, 然后计算雇员在受雇 初期的薪水与当前薪水的相关，计算并回答：受雇初期的薪水和 当前薪水的变化关系受以前工作经历的影响吗？
SPSS过程演示8
2. 一项关于中小学生心理健康状况的调查 ， 汇总的数据如下页 图表所示。请根据这一汇总的结果分析所调查的学校间学生心理 健康状况的一致性如何？不同年级间学生心理健康状况的一致性 如何？心理健康总分及各子量表分在年级间、学校间的水平分布 是否一致（从相似性和不相似性两个角度进行分析）。
下边我们通过几个具体实例来说明。
12
根据变量性质的不同，距离相关分析包括三种不同的情况： 等距量表和比率量表测量的变量；顺序量表测量的变量；二项 选择变量。在被测量变量的性质不同时，距离的计算方法也有 所不同，具体对应关系是：
等距量表或比率量表测量：欧氏距离或欧氏距离平方； 顺序量表或称名量表测量：卡方统计量； 二项选择变量：欧氏距离或欧氏距离平方。 下边我们通过几个具体实例来说明。
22
3.库德-里查逊20公式 当整个测验德记分方式为二分记分时，即所有项目的分数均为1、
0记分，这时测验内部一致性系数的计算公式要使用库德-里查逊20公 式。这一信度计算方法可应用于“是 否”判断的测验。
23
第一步：将编制的量表在一定容量的样本中施测，将测量数据 录入建立数据文件；
第二步：点击Analyze中的Scale并选择“Reliability analysis…” 打开信度分析对话框，将所有问卷项目加入到变量表列中；
25
学校
1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9
24
复习练习题
1. 调用文件 “演示8数据Employee Data”, 然后计算雇员在受雇 初期的薪水与当前薪水的相关，计算并回答：受雇初期的薪水和 当前薪水的变化关系受以前工作经历的影响吗？
SPSS过程演示8
2. 一项关于中小学生心理健康状况的调查 ， 汇总的数据如下页 图表所示。请根据这一汇总的结果分析所调查的学校间学生心理 健康状况的一致性如何？不同年级间学生心理健康状况的一致性 如何？心理健康总分及各子量表分在年级间、学校间的水平分布 是否一致（从相似性和不相似性两个角度进行分析）。
下边我们通过几个具体实例来说明。
12
根据变量性质的不同，距离相关分析包括三种不同的情况： 等距量表和比率量表测量的变量；顺序量表测量的变量；二项 选择变量。在被测量变量的性质不同时，距离的计算方法也有 所不同，具体对应关系是：
等距量表或比率量表测量：欧氏距离或欧氏距离平方； 顺序量表或称名量表测量：卡方统计量； 二项选择变量：欧氏距离或欧氏距离平方。 下边我们通过几个具体实例来说明。
22
3.库德-里查逊20公式 当整个测验德记分方式为二分记分时，即所有项目的分数均为1、
0记分，这时测验内部一致性系数的计算公式要使用库德-里查逊20公 式。这一信度计算方法可应用于“是 否”判断的测验。
23
第一步：将编制的量表在一定容量的样本中施测，将测量数据 录入建立数据文件；
第二步：点击Analyze中的Scale并选择“Reliability analysis…” 打开信度分析对话框，将所有问卷项目加入到变量表列中；
25
学校
1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9
spss课件-相关分析
P211 Data07-03 銀行職工的起始工資salbegin和現工資 salary與雇員本人各方麵條件的關係（年齡age、工作時間 jobtime、以前工作經驗prevexp）：比較有用的結果：
Pearson相關係數r和其相應的顯著性概率Sig(Pearson相關係數 均很小 ）
2021-12-30
2021-12-30
10.3 偏相關分析的SPSS過程和實例
菜單：Analyze+Correlate+Partial • Variables：分析變數 • Controlling for：控制變數 實例P220Data10-03 使用四川綿陽地區3年生中山柏的數據， 分析月生長量hgrow與月平均氣溫temp、月降雨量rain、月平 均日照時數hsun、月平均濕度humi這四個氣候因素的哪個因素 有關。
線性相關分析（續）
相關係數的計算有三種:Pearson、 Spearman和Kendall
• Pearson相關係數：對定距變數的數據進行 計算，公式P207
• Spearman和Kendall相關係數：對分類變 數的數據或變數值的分佈明顯非正態或分 佈不明時，計算時先對離散數據進行排序 或對定距變數值排（求）秩。公式P208
將月生長量hgrow作為分析變數， 然後分四次，分別將其中的一個因素作為分析變數，而其他三個作
為控制變數 用Pearson相關係數 結果P223:中山柏生長量與氣溫temp關係最為密切，相關係數
0.9774，顯著性概率p=0.000；其次是濕度humi，相關係數 0.7310，顯著性概率p=0.025；日照時數hsun，相關係數0.6318， 顯著性概率p=0.068；與降雨量沒有線性關係，降雨量過大，還會 影響其生長。
Pearson相關係數r和其相應的顯著性概率Sig(Pearson相關係數 均很小 ）
2021-12-30
2021-12-30
10.3 偏相關分析的SPSS過程和實例
菜單：Analyze+Correlate+Partial • Variables：分析變數 • Controlling for：控制變數 實例P220Data10-03 使用四川綿陽地區3年生中山柏的數據， 分析月生長量hgrow與月平均氣溫temp、月降雨量rain、月平 均日照時數hsun、月平均濕度humi這四個氣候因素的哪個因素 有關。
線性相關分析（續）
相關係數的計算有三種:Pearson、 Spearman和Kendall
• Pearson相關係數：對定距變數的數據進行 計算，公式P207
• Spearman和Kendall相關係數：對分類變 數的數據或變數值的分佈明顯非正態或分 佈不明時，計算時先對離散數據進行排序 或對定距變數值排（求）秩。公式P208
將月生長量hgrow作為分析變數， 然後分四次，分別將其中的一個因素作為分析變數，而其他三個作
為控制變數 用Pearson相關係數 結果P223:中山柏生長量與氣溫temp關係最為密切，相關係數
0.9774，顯著性概率p=0.000；其次是濕度humi，相關係數 0.7310，顯著性概率p=0.025；日照時數hsun，相關係數0.6318， 顯著性概率p=0.068；與降雨量沒有線性關係，降雨量過大，還會 影響其生長。
第9章 spss的相关分析和线性回归分析PPT课件
t nk2r (1 r2 )
r是相应的偏相关系数。n是观测个数，k是控 制变量的数目，n-k-2是自由度。 在SPSS的偏相关分析过程的输出中只给出偏相 关系数和假设成立的概率p值。
偏相关分析的操作
与简单相关分析操作类似，只不过菜单为
Analyze→Correlate→Partial
实例：利用数据相关回归分析（高校科研研 究）.sav，分析发表立项课题数与论文数之间的 偏相关关系，其中投入高级职称的人数为控制变 量。
Pearson相关系数 Spearman 秩相关系数 Kendall t 相关系数
Pearson 相 关 系 数 （ Pearson’s correlation coefficient）又叫相 关系数或线性相关系数。它一般用
字母r表示。
r (xx)(yy) (xx)2 (yy)2
它是由两个变量的样本取值得到，这是一个描 述线性相关强度的量，取值于-1和1之间。当两 个变量有很强的线性相关时，相关系数接近于1 （正相关）或-1（负相关），而当两个变量不 那么线性相关时，相关系数就接近0。
Pearson 相 关 系 数 的 局 限 性 ：
①要求变量服从正态分布 ②只能度量线性相关性，对于曲线相关等更为复杂的 情形，该相关系数的大小并不能代表相关性的强弱。 如果Pearson系数很低，只能说明两变量之间没有线 性关系，并不能说明两者之间没有相关关系。也就是 说，该指标只能度量线性相关性，而不是相关性。 （线性相关性隐含着相关性，而相关性并不隐含着线 性相关性）
这很难一概而论。但在计算机输出 中都有和这些相关度量相应的检验
和p-值；因此可以根据这些结果来
判断是否相关
简单相关分析菜单
画散点图
Graphs→Scatter 选择散点图的类型 根据所选择的散点图类型，单击Define对散点图作具体定
r是相应的偏相关系数。n是观测个数，k是控 制变量的数目，n-k-2是自由度。 在SPSS的偏相关分析过程的输出中只给出偏相 关系数和假设成立的概率p值。
偏相关分析的操作
与简单相关分析操作类似，只不过菜单为
Analyze→Correlate→Partial
实例：利用数据相关回归分析（高校科研研 究）.sav，分析发表立项课题数与论文数之间的 偏相关关系，其中投入高级职称的人数为控制变 量。
Pearson相关系数 Spearman 秩相关系数 Kendall t 相关系数
Pearson 相 关 系 数 （ Pearson’s correlation coefficient）又叫相 关系数或线性相关系数。它一般用
字母r表示。
r (xx)(yy) (xx)2 (yy)2
它是由两个变量的样本取值得到，这是一个描 述线性相关强度的量，取值于-1和1之间。当两 个变量有很强的线性相关时，相关系数接近于1 （正相关）或-1（负相关），而当两个变量不 那么线性相关时，相关系数就接近0。
Pearson 相 关 系 数 的 局 限 性 ：
①要求变量服从正态分布 ②只能度量线性相关性，对于曲线相关等更为复杂的 情形，该相关系数的大小并不能代表相关性的强弱。 如果Pearson系数很低，只能说明两变量之间没有线 性关系，并不能说明两者之间没有相关关系。也就是 说，该指标只能度量线性相关性，而不是相关性。 （线性相关性隐含着相关性，而相关性并不隐含着线 性相关性）
这很难一概而论。但在计算机输出 中都有和这些相关度量相应的检验
和p-值；因此可以根据这些结果来
判断是否相关
简单相关分析菜单
画散点图
Graphs→Scatter 选择散点图的类型 根据所选择的散点图类型，单击Define对散点图作具体定
spss基本操作PPT课件
2020/1/10
26
2.2.7 缺失值（Missing）的处理
当数据中存在明显错误或明显不合 理的数据以及存在漏填数据项时，统计 上通称为数据为不完全数据或缺失数据。
SPSS中说明缺失数据的基本方法是 指定用户缺失值。用户缺失值可以是：
o 对字符型或数值型变量，用户缺失值可以是1至 3个特定的离散值（Discrete missing values）；
数据编辑窗口中的数据通常以SPSS数据文 件的形式保存在计算机磁盘上，其文件扩展名 为.sav。
数据编辑窗口由窗口主菜单、工具栏、数 据编辑区、系统状态显示区组成。
2020/1/10
5
标题栏
菜单栏
工 具 栏
2020/1/10
输
入
数据显示区:
数
变量名
据
观察序号
栏
数据编辑器的构成
状态栏
6
菜单表
功能
主窗口菜单及功能 解释
17
2020/1/10
频数数据的组织方式
职称 1 1 1 2 2 2 3 3 3 4 4 4
年龄段 1 2 3 1 2 3 1 2 3 1 2 3
人数 0 15 8 10 20 2 20 10 1 35 2 0
18
2.2 SPSS数据的结构和定义方法
SPSS数据的结构包括变量名、类型、宽度、列宽
• 数值型 （1）标准型（Numeric） （2）科学记数法型（Scientific Notation） （3）逗号型（Comma） （4）圆点型（Dot） （5）美元符号型（Dollar） （6）用户自定义型（Custom Currency）
• 字符型（String） • 日期型（Date）
[课件]第八章SPSS的相关分析和线性相关分析PPT
![[课件]第八章SPSS的相关分析和线性相关分析PPT](https://img.taocdn.com/s1/m/76ebd16e2b160b4e767fcfdd.png)
n (n1 )
大样本下
9n(n 1) Z 2(2n 5)
计算相关系数的基本操作（以高校 SPSS 科研研究.sav为例）
SPSS
SPSS
SPSS
SPSS
第三节偏相关分析
• 偏相关分析和偏相关系数 • 偏相关分析的基本操作及应用
SPSS
偏相关分析和偏相关系数
定义
• 也称净相关分析，在控制其他变量的线性影响的 条件下分析两变量间的线性相关，所采用的工具 是偏相关系数（净相关系数） 种类
SPSS
第八章SPSS 的相关分析 和线性相关 分析
SPSS
第一节相关分析和 线性回归分析概述
函数关系
事物之间关系 统计关系
SPSS
• 函数关系指的是两事物之间的一种一一对 应关系。即当一个变量x取一定值时，另一 变量y可以依确定的函数取唯一确定的值。 • 统计关系指两事物之间的一种非一一对应 关系，即当一个变量x取一定值时，另一变 量y无法依确定的函数取唯一确定的值。
种类 Pearson简单相关系数、Spearman相关系数、 Kendall 相关系数
SPSS
Pearson简单相关系数
• 主要用来度量两定距型（数值型）变量间的线性 相关性。
r
(x x)( y y)
i 1 i i 2 2 ( x x ) ( y y ) i i i 1 i 1 n n
2
1 x x ˆ e t (n 2) 1 0 其中 ( x0 ) 1 n Lxx 2
特别，当 n 很大且 x0 在 x 附近取值时, y 的置信水平为 1 的预测区间近似为
92
93
93
95
[课件]相关性分析PPT
![[课件]相关性分析PPT](https://img.taocdn.com/s1/m/a19c78ab680203d8ce2f249b.png)
SPSS的运行方式
SPSS主要有3种运行方式。 1．批处理方式 2．完全窗口菜单运行方式 3．程序运行方式
SPSS的数据编辑窗口
SPSS主界面主要有两个，一个是SPSS数据 编辑窗口，另一个是SPSS输出窗口。 数据编辑窗口由标题栏、菜单栏、工具栏、 编辑栏、变量名栏、内容区、窗口切换标 签页和状态栏组成，如图1-2所示。
实现步骤
6.2.3 结果和讨论
outline
• 线性相关（linear Correlation)
• 秩相关（rank correlation) • 分类变量的关联性分析
秩相关
也称等级相关,最常用的Spearman秩相关。
资料类型 不服从正态分布的资料 总体分布未知的资料 等级资料
该窗口下方有两个标签：“Data View”（数据视图 ）和“Variable View”（变量视图）。 如果使用过电子表格，如Microsoft Excel等，那么 数据编辑窗口中“Data View”所对应表格许多功 能应该已经熟悉。但是它和一般的电子表格处理 软件还有以下区别。
（1） 一个列对应一个变量，即每一列代表一个变 量（Variable）或一个被观测量的特征。例如问 卷上的每一项就是一个变量。 （2） 行是观测，即每一行代表一个个体、一个观 测、一个样品，在SPSS中称为事件（Case）。 例如，问卷上的每一个人就是一个观测。
χ² 检验
χ² 检验 秩和检验
Logistic回归分析
测量级别 类-类 (类-序)
相关 系数 λ
取值范 围 [0.1]
PRE意义 λ
检验方 法 χ2
SPSS程序 crosstabs Crosstabs/ correlation crosstabs/ Oneway/ means crosstabs/ correlation /linear
第五章--SPSS的相关分析PPT优秀课件
11.1% 971
100.0%
36
卡方 检验
Pearson 卡方
值 196.023a
渐进 Sig.
df
(双侧)
4
.000
似然比
148.923
4
.000
线性和线性组合 125.487
1
.000
有效案例中的 N
971
a. 1 单元格(11.1%) 的期望计数少于 5。最小期望 计数为 4.45。
37
二、相关分析（Correlate）
Tot al
Cou nt
56
283
Expected Coun5t6.0 283.0
Tot al 205
205 .0 134
134 .0 339
339 .0
24
卡方检验
Chi-Square Tests
Value
Pearson Chi-Square 7.469b
Continuity Correactio6n.674
com pare m eans
定序
列联
积差相关
cross-tabulate 积差相关
spearm an correlation 积矩相关
spearm an correlation pearson correlation
定距
积矩相关
pearson correlation 回归
regression
5
相关分析之二——关系强度
% of Total
8.8%
Count
181
% within 性 别
14.5%
% within 文 化 程 度 100.0%
% of Total
100.0%
36
卡方 检验
Pearson 卡方
值 196.023a
渐进 Sig.
df
(双侧)
4
.000
似然比
148.923
4
.000
线性和线性组合 125.487
1
.000
有效案例中的 N
971
a. 1 单元格(11.1%) 的期望计数少于 5。最小期望 计数为 4.45。
37
二、相关分析（Correlate）
Tot al
Cou nt
56
283
Expected Coun5t6.0 283.0
Tot al 205
205 .0 134
134 .0 339
339 .0
24
卡方检验
Chi-Square Tests
Value
Pearson Chi-Square 7.469b
Continuity Correactio6n.674
com pare m eans
定序
列联
积差相关
cross-tabulate 积差相关
spearm an correlation 积矩相关
spearm an correlation pearson correlation
定距
积矩相关
pearson correlation 回归
regression
5
相关分析之二——关系强度
% of Total
8.8%
Count
181
% within 性 别
14.5%
% within 文 化 程 度 100.0%
% of Total