SPSS相关性分析 Pearson相关与偏相关分析的实现 步骤

相关系数是衡量变量之间相关程度的度量，也是很多分析的中的当中环节，SPSS 做相关分析比较简单，主要是区别如何使用这些相关系数，如果不想定量的分析相关性的话，直接观察散点图也可以。

相关系数有一些需要注意的地方：1、两变量之间存在相关，仅意味着存在关联，并不意味着因果关系。

2、相关系数不能进行加减乘除运算，没有单位，不同的相关系数不可比较3、相关系数大小容易受到数据取值区间大小和数据个数大小的影响。

4、相关系数也需要进行检验确定其是否有统计学意义相关系数的假设检验中H0：相关系数=0，变量间没有相关性H1：相关系数≠0，变量间有相关性相关系数很多，我们一般根据变量的类型进行选择，我们知道变量类型由低级到高级可以分为定类、定序、定距、定比四种类型，而变量的数据类型则可以分为连续型或者离散型，注意不要混淆一、定距、定比变量，基本上也就是连续变量一般使用pearson相关系数，也称为积差相关系数，是一种线性相关系数，使用最为广泛，适用条件是两变量需要为线性关系，并且都来自正态分布总体，且要求成对出现二、定序、定距、定比变量一般使用spearman等级相关系数也称为秩相关系数，该系数利用了变量的次序信息，而且对原始数据没有过多要求，因此比pearson相关系数使用范围更广，它利用两变量的秩次大小作为分析依据，也可以认为是基于秩次的pearson相关系数，当数据不符合pearson相关系数的要求时，可以选择使用spearman相关系数，但是如果是定距或定比变量，还是建议用pearson相关系数，spearman 相关系数的效能略低。

三、只限定序变量1.Gamma相关系数2.Kendall等级相关系数，分为τ-a，τ-b，τ-c三种3.Somer's D相关系数四、定类变量定类变量的相关性大都是根据卡方值衍生而来1、person卡方实际上也就是卡方检验2.列联系数3.φ-Phi系数4.Cramer's V系数mbda（λ）系数6.Goodman and Kruskal的Tau-y系数五、二分类变量1.相对危险度RR值2.优势比OR值=========================================================熟悉了各种相关系数的情况之后，我们来看一下在SPSS中的操作1.分析—描述性统计—交叉表此过程一般用来分析列联表的，由于数据的组成大多是列联表形式，因此该过程包含了很多种相关系数2.分析—相关—双变量此分析为简单相关分析，是最常用的相关分析。

以控制，进行偏相关分析。
偏相关分 析输出结 果;负的 弱相关
相关分析 输出结果 ;正强相 关
8.4.1
8.4.2
回归分析概述
线性回归模型
8.4.3
8.4.4 8.4.5 8.4.6
回归方程的统计检验
基本操作
其它操作
应用举例

线性回归分析的内容

能否找到一个线性组合来说明一组自变量和因变量
可解释x对Y的影响大小，还可 以对y进行预测与控制
目的是刻画变量间的相关 程度
8.2.1 8.2.2 8.2.3 8.2.4
散点图 相关系数 基本操作 应用举例
•
相关分析通过图形和数值两种方式，有效地揭示事物
之间相关关系的强弱程度和形式。

8.2.1 散点图 它将数据以点的的形式画在直角坐标系上，通过

Distances 过程用于对各样本点之间或各个变量之间 进行相似性分析，一般不单独使用，而作为聚类分
析和因子分析等的预分析。
1) 选择菜单Analyze Correlate Bivariate，出现 窗口：
2) 把要分析的变量选到变量Variables框。
3) 在相关系数Correlation Coefficents框中选择计算哪种

一元线性回归模型的数学模型：
y 0 1 x

其中x为自变量；y为因变量； 0 为截距，即常量；
1 为回归系数，表明自变量对因变量的影响程度。

用最小二乘法求解方程中的两个参数，得到
1
( x x )( y y ) (x x)
i i 2 i
0 y bx

例：打开数据文件4-01（中学生学校生活质量的满意 度调查），我们在前面已经通过统计知道，“对师资 情况的满意度”与“对教学质量的满意度”之间存在 着显著的强相关。我们猜想，这两个变量都与“对学 校管理的满意度”之间存在相关性。现在的问题是： 1. 这两个变量是否都与“对学校管理的满意度“之 间存在显著的相关性？ 2. 如果把“对学校管理的满意度”剔除之后（即被 控制之后），“对师资情况的满意度”与对“教学质 量的满意度”之间是否仍然有显著的相关性？
• 举例来说，学生“对师资情况的满意度”和 “对教学质量的满意度”之间的相关系数为 0.745，它的平方（即0.7452）等于0.555，这 个值就是决定系数。它表明，“对教学质量的 满意度”的方差的55.5%可以被“对师资情况 的满意度”来解释。剩下的44.5%的方差则可 能由其他原因所导致（例如对班级管理、校园 文化等等的满意度）。 • 由此可见，两个变量之间的相关性越强，越多 的方差可以被解释。这两个变量共享的特征也 就越多，一个变量可以更多地解释另一个变量 表示出的信息。
相关性分析：强度和方向
Edited by Foxit Reader Copyright(C) by Foxit Corporation,2005-2010 For Evaluation Only.
• 要考察两个变量之间的线性关系，就要从 两个重要的要素来分析，一是相关的强度， 二是相关的方向。 • 皮尔逊积距相关系数，考察两个连续变量 （或定距以上层次的变量）之间的相关关 系。
5. 000
4. 000
教 学 质 量
3. 000
2. 000
1. 000
1. 000
2. 000
3. 000
4. 000
5. 000

SPSS操作程序一、装程序SPSS11.50打开光盘后，在一记事本文件上找到一个序号12345和两个号码。

头一空中可不填号码。

第二次出现空格时可以填写的一个号码；按Update后，再填第二个号码。

以下只要跟着走就行了。

二、定义变量：点击下方的V ariable view，以下定义：1.变量名name：不多于8个字符。

不能与SPSS的保留字相同（查书）。

2.变量类型Type：默认类型为标准数值型Numeric。

一般采用此型。

即使是类别型变量，其代码也是数量型的。

也可使用带逗点的数值型（Comma），整数部分用逗点分节；也可使用圆点数值型（Dot），其小数点与分节点的使用正好互换；对于很小的或很大的数字可用科学计数法型（Scientific Notation）。

3.默认变量值的总长度Width为8,也可改变。

4.小数位数（Decimals）,默认为2,也可改变。

bel变量标签：对变量名的说明，可定义，也可不定义。

gender6.V alues变量值标签：适用于类别变量。

点击该格后，在上空格中填写1,在下空格中填写“男”，点击Add后，在下框中出现“1=男”。

7.missing缺损值：点击该格后，默认为“no missing values”。

若要定义缺损值，可选Discrete missing values,在空格中可填写3个离散缺损值，也可选择一个范围，加一个离散值。

8.定义变量显示宽度Column。

第三步的长度实际是变量值的长度，本步还包括变量名的长度。

如第三步定义的With不小于变量名的长度，此步可不操作。

9.对齐方式Alignment10.measure变量的测度类型。

分为Scale、Ordinal、Nominal三种，分别指等距变量或比率变量、等级变量、名义变量。

通常也可让其处于默认状态。

三、变量的整理和转换（一）观察量的排序打开数据窗口，Data—Sort Cases—把作为排序数据的变量（称为BY变量）名送入到右边的Sort by 框中—选择升序排列（Ascending）/降序排列（Descending）—OK。