文档介绍：:..相关关系概念:相关关系反映出变S之间也然相互影响,具冇依存关系,但彼此之间是不能一对应的。相关分析的作用:(1) 确定选择相关失系的表现形式及相关分析方法。(2) 把握相关关系的方与密切程度。(3) 相关分析不似可以描述变量之间的关系状况,而且川来进行预测。(4) 相关分析还可以用来评价测量量具的信度、效度以及项n的区分度。Spss提供的分析方法:简单相关分析的基本原理简单相关分析是研究两个变朵之间关联程度的统计方法。它主要是通过计算简单相关系数来反映变最之间关系的强弱。(注:两个元素间呈现线性相关)两种表现形式:,可以直观地判断事物现象之间人致上呈现何种关系的形式。散点图Pearson相又系数表表Pearson相关系玟亵•-、PearsonCoirdibon-1Sig.(2-lailcd>•-9P5"1Sig..0001010注:表科联系数在Ofli99显若性水平(效题)上里着#联.-分析:,非常接近1;同时相伴概率P值明显J、,这也进一步说明W者高度正线性相关。分析:Kendall和Spearman相关系数,;同时它们的概率P值也远小于显著性水〒。:偏相关分析是在相关分析的基础上考虑了两个因素以外的各种作用,或者说在扣除了-K他因素的作川人小以后,重新来测度这W个因素间的关联程度。这种方法的0的就在于消除其他变量关联性的传递效应。偏相关分析就是在研究两个变量之间的线性相关关系吋控制可能对其产生影响的变量。因子分析的基本原理:因了分析就是在尽可能不损失信息或者少损失信息的情况下,将多个变fi减少为少数儿个因子的方法。这几个W子可以高度概括人量数据屮的信息,这样,既减少了变景个数,又同样能再现变量之间的内在联系。(1)确认待分析的原变量是否适合作因子分析因子分析的主要任务是将原有变置的信息重憑部分提取和综合成因了,进而最终实现减少变量个数的H的。故它要求原始变量之间应存在较强的相关关系。进行因子分析前,通常可以采収计算相关系数矩阵、巴特利特球度检验和KMO检验等方法来检验候选数据是否适合采用因子分析。(2)构造因子变量将原科变:W:综合成少数几个因子是因子分析的核心内各。它的关键是根裾样木数裾求解因了载荷阵。因了载荷阵的求解方法冇葙于主成分模型的主成分分析法、难于因了分析模型的主轴因子法、极大似然法等。所能出的图表描 :显示Y食品、衣着等这八个消费支出指标的描述统计S,例如均值、标准差等。这为后续的因子分析提供了一个直观的分析结果。可以看到,食品支出消费所占的比重最大,其均值等于