SPSS07相关分析.ppt

文档介绍：07 相关分析
返回
统计学上采用相关分析(correlation analysis)研究呈平行关系的相关变量之间的关系。
对两个变量间的直线关系进行相关分析称为简单相关分析(也叫直线相关分析);
对多个变量进行相关分析时,研究一个变量与多个变量间的线性相关称为复相关分析;研究其余变量保持不变的情况下两个变量间的线性相关称为偏相关分析。
进行直线相关分析的基本任务在于根据x、y的实际观测值,计算表示两个相关变量x、y间线性相关程度和性质的统计量——相关系数r并进行显著性检验。
一、相关分析基本原理
(一)相关系数概念
相关系数(correlation coefficient),又称积差相关系数(coefficient of product – moment correlation),或Pearson相关系数(SPSS用此名称)
说明相关的密切程度和方向的指标。
r ——样本相关系数
相关系数示意图
散点呈椭圆形分布,
X、Y 同时增减---正相关(positive correlation);
X、Y 此增彼减---负相关(negative correlation) 。
散点在一条直线上,
X、Y 变化趋势相同----完全正相关;
反向变化----完全负相关。
相关系数示意图
X、Y 变化互不影响或无直线相关关系----零相关(zero correlation)
r无单位,-1 ≤ r ≤ 1。r 值为正——正相关,
为负——负相关;
(与回归系数b的符号相同)
|r|=1 --- 完全相关,
|r|=0 --- 零相关。
相关系数的计算
一、相关分析基本原理
(二)相关系数显著性检验
上述根据实际观测值计算得来的相关系数r是样本相关系数, 它是双变量正态总体中的总体相关系数ρ的估计值。样本相关系数r是否来自ρ≠0的总体,还须对样本相关系数r 进行显著性检验。
此时原假设、备择假设为HO:ρ=0,HA:ρ≠0。可采用t检验法与F检验法对相关系数r的显著性进行检验。
二、双变量相关分析
(一)数据描述
对某高校一些学生的身体特征数据进行相关性分析,数据见“”。一般认为,人的肺活量与身高、体重之间有比较明显的相关性,随后对体重和肺活量进行双变量相关分析。
做相关分析之前,可以利用散点图初步观察一下两个变量直接有无相关趋势,为随后分析提供依据
二、双变量相关分析
(二)参数设置
依次单击菜单“分析-相关-双变量”
1、将左侧“肺活量”和“体重”选入右侧变量列表
2、选项设置