技术贴：如何用spss做相关性分析

Emma爱精算

例：学生每天学习时间T与学习综合成绩G之间的相关性      
: P! N) H$ Q, r+ r1 ^3 a: _ G=f(T),其中T为自变量，G为因变量


  [& l- O7 c% N; ystep1：建立数据文件    file——new——data；

定义变量        选中左下角菜单Variable view，输入变量名T，其他选项不变，令起一行，输入变量
: ^0 H: m( ]% f; u( l0 D4 f
名G其他选项不变，切换到data view（在左下角），将数据复制进去。


! T5 I4 a" R  z& K( d0 q+ {Step2：进行数据分析：在spss最上面菜单里面选中Analyze——correlate——bivariate（双变量）

4 L3 S+ d8 w+ J1 i5 I0 A8 v" q                     
; }% U, K( T+ g' P# y2 O左边包含G，T的框为源变量框，后面的空白框为分析变量框，我们现在需要分析G和T的关系，因此将源变量框中的G和T选进分析变量框待分析。

2 g8 b5 S, `/ K! x, g                       
（1）correlation coefficients（相关系数）包括三个选项：

Pearson：皮尔逊相关，计算连续变量或是等间距测度的变量间的相关分析；
6 g" ~4 Y' c) ^; u- U$ J7 _. c
" G5 G) ~7 P% \! Y" wKendall：肯德尔相关，计算等级变量间的秩相关；

# Q/ [3 \* o) x# H% g/ T% s3 GSpearman：斯皮尔曼相关，计算斯皮尔曼秩相关。
8 E2 w' Z) ?- G: @; R3 c  e9 m
3 |5 o$ G6 o; ^, `( K; v( f0 D注：Pearson可用来分析①分布不明，非等间距测度的连续变量

8 _( \2 j; p' r( i       Kendall可用来分析①分布不明，非等间距测度的连续变量，②完全等级的离散变量，③数据资料不服从双变量正态分布或总体分布型未知。第②种情况只能用Kendall分析
8 G1 Z: M- ^) t# R
/ A6 k; y/ T7 Z, a7 q         Spearman可用来分析数据资料不服从双变量正态分布或总体分布型未知

& K3 v# O- n8 u: t（2）Test of significance选项

Two-tailed：双尾检验，如果事先不知道相关方向（正相关还是负相关）则可以选择此项；

One-tailed：单尾检验，如果事先知道相关方向可以选择此项。

- o' }: a6 w- H6 [0 W5 T（3）Flag significant correlations：表明显著水平，如果选择此项，输出结果中在相关系数值右上方使用*标示显著性水平为5%，用**标示其显著性水平为1%
1 l/ @' S3 N$ v* Z
首先使用pearson，two-tailed（下图），点击右侧options
1 {8 C! @: `/ ^8 {* q7 K) H
如何用spss做相关性分析
" o. d4 k3 E& ^% C/ d
statistics为统计量，包括均值和标准差  叉积离方差和协方差
6 T0 G& N, i( B
missing values 选择默认

; F# v4 P3 ]4 e: c1 H点击continue——ok

" q) U7 A4 g, N3 y9 {3 b# g" ]$ Z+ p9 M 如何用spss做相关性分析
0 E! r# S& z+ Z4 k
- W1 ~$ L" _8 K" V7 X4 r* N相关系数为0.975，显著性p=0.000<0.01,有统计学意义

: @5 H2 Y( W5 E7 O0 u% T3 R选用Kendall 肯德尔，结果如下：
+ h+ s  |- H0 i8 m2 [0 y
如何用spss做相关性分析

. A# e* o( a; K选用spearman 斯皮尔曼，结果如下：

如何用spss做相关性分析
' o8 h1 [, }! D7 h
画散点图：选中Graphs——Scatter/dot-----Simple scatter------define
: ]8 L; Y4 u- }) E

平凡之不凡

写的很到位，简单易懂

空木葬花

非常感谢楼主！

Emma爱精算

空木葬花 发表于 2014-5-14 18:43
非常感谢楼主！

) ?9 u- k5 ?  V: t' `# x不客气，谢谢对本帖的关注！

Emma爱精算

平凡之不凡 发表于 2014-5-12 12:20
写的很到位，简单易懂

谢谢，我会继续加油