文档介绍：,其主要特征是它的确定性,即对一个变量的每一个值,另一个变量都具有惟一确定的值与之相对应。变量之间的函数关系通常可以用函数式Y=f(x)确切地表示出来。例如,圆的周长C对于半径r的依存关系就是函数关系:C=2πr。相关关系反映出变量之间虽然相互影响,具有依存关系,但彼此之间是不能一一对应的。例如,学生成绩与其智力因素、各科学****成绩之间的关系、教育投资额与经济发展水平的关系、社会环境与人民健康的关系等等,都反映出客观现象中存在的相关关系。(1)根据相关程度的不同,相关关系可分为完全相关、不完全相关和无相关。(2)根据变量值变动方向的趋势,相关关系可分为正相关和负相关。(3)根据变量关系的形态,相关关系可分为直线相关和曲线相关。(4)根据研究变量的多少,可分为单相关、复相关。(1)判断变量之间有无联系(2)确定选择相关关系的表现形式及相关分析方法(3)把握相关关系的方向与密切程度(4)相关分析不但可以描述变量之间的关系状况,而且用来进行预测。(5)相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等。,说明两个变量之间相关程度以及相关方向的统计分析指标。相关系数一般可以通过计算得到。作为样本相关系数,常用字母r表示;作为总体相关系数,常用字母ρ表示。相关系数的数值范围是介于–1与+1之间(即–1≤r≤1),常用小数形式表示,一般要取小数点后两位数字来表示,以便比较精确地描述其相关程度。两个变量之间的相关程度用相关系数r的绝对值表示,其绝对值越接近1,表明两个变量的相关程度越高;其绝对值越接近于0,表明两个变量相关程度越低。如果其绝对值等于零1,则表示两个变量完全直线相关。如果其绝对值为零,则表示两个变量完全不相关(不是直线相关)。,“+”号表示正相关,即0≤r≤1。“﹣”表示负相关,即0≥r≥﹣1。在使用相关系数时应该注意下面的几个问题:(1)相关系数只是一个比率值,并不具备与相关变量相同的测量单位。(2)相关系数r受变量取值区间大小及样本数目多少的影响比较大。(3)来自于不同群体且不同质的事物的相关系数不能进行比较。(4)对于不同类型的数据,计算相关系数的方法也不相同。。它主要是通过计算简单相关系数来反映变量之间关系的强弱。一般它有图形和数值两种表示方式。1、相关图在统计中制作相关图,可以直观地判断事物现象之间大致上呈现何种关系的形式。相关图是相关分析的重要方法。利用直角坐标系第一象限,把第一个变量置于横轴上,第二个变量置于纵轴上,而将两个变量对应的变量值用坐标点形式描绘出来,用以表明相关点分布状况的图形,、相关系数虽然相关图能够展现变量之间的数量关系,但这也只是种直观判断方法。因此,可以计算变量之间的相关系数。对不同类型的变量应当采取不同的相关系数来度量,常用的相关系数主要有:皮尔逊(Pearson)相关系数常称为积差相关系数,适用于研究连续变量之间的相关程度。例如,收入和储蓄存款、身高和体重等变量间的线性相关关系。注意Pearson相关系数适用于线性相关的情形,对于曲线相关等更为复杂的情形,系数的大小并不能代表其相关性的强弱。它的计算公式为:利用相关系数r的大小可以判断变量间相关关系的密切程度,具体见表所示。,具体公式是:t统计量服从n-2个自由度的t分布。SPSS会自动计算r统计量和t值,并依据t分布表给出其对应的相伴概率值。斯皮尔曼等级相关系数。斯皮尔曼等级相关系数用来度量顺序水准变量间的线性相关关系。它是利用两变量的秩次大小作线性相关分析,适用条件为:①两个变量的变量值是以等级次序表示的资料。②一个变量的变量值是等级数据,另一个变量的变量值是等距或比率数据,且其两总体不要求是正态分布,样本容量n不一定大于30。