SPSS相关分析实验报告

1、本科教学实验报告 （实验）课程名称：数据分析技术系列实验实验报告学生姓名：一、 实验室名称：二、 实验项目名称：相关分析三、 实验原理相关关系是不完全确定的随机关系。在相关关系的情况下，当一个或几个相互联系的变量取一定值得时候，与之相应的另一变量的值虽然不确定，但它仍然按照某种规律在一 定的范围内变化。按照数据度量的尺度不同，相关分析的方法也不同，连续变量之间的相关性常用pearson 简单相关系数测定；定序变量的相关系数常用 spearman 秩相关系数和 kendall 秩相关系数测定；定类变量的相关分析要使用列连表分析法。四、实验目的理解相关分析的基本原理，掌握在 spss 软件中相关分

2、析的主要参数设置及其含义， 掌握 spss 软件分析结果的含义及其分析。五、实验内容及步骤实验内容：以雇员表为例，共有 474 条数据，运用相关分析方法对变量间的相关关系 进行分析。1） 分析性别与工资之间是否存在相关关系。2） 分析教育程度与工资之间是否存在相关关系。实验要求：掌握相关分析方法的计算思路及其在 spss 环境下的操作方法，掌握输出 结果的解释。1. 分析性别与工资之间是否存在相关关系。分析：性别属于定类变量，是离散值，因使用卡方检验。step1.操作为 analyze descriptive statistics crosstabsstep2.将性别（gender）和收入（c

3、urrent salary）分别移入 rows 列表框和 columns 列表框。step3.单击 statistics 按钮，在弹出的子对话框中选中默认的 chi-square，进行卡 方检验。退回到主对话框，单击 ok。2. 分析教育程度与工资之间是否存在相关关系。分析：教育程度为定序变量，工资为连续变量，可使用 spearman 和 kendall 秩相关 系数检验。step1. 用散点图初步判断二变量的相关性，操作为 graphs / legacy dialogs / scatter,选择 simple scatter，教育程度为自变量，工资为因变量，做散点图。散点图结果如图示，二者存

4、在线性相关关系。只有线性相关的关系确定后才能继续进行下一步分析。因此, 在进行相关分析之前的预分析过程也是十分重要的。step2.两变量相关分析，操作为 analyze / correlate / bivariate ，选择 kendall 和 spearman 相关系数。六、实验器材（设备、元器件）：计算机、打印机、硒鼓、碳粉、纸张七、实验数据及结果分析1.分析性别与工资之间是否存在相关关系。卡方检验结果为卡方检验渐进 sig.pearson 卡值290.785adf220(双侧).001方似然比有效案例中390.179474220 .000的 na. 440 单元格(99.5%) 的期望计

5、数少于 5。最小期望计数为 .46。显着性水平为0.001，即至少有99.99%的把握认为性别和工资之间存在显着的相关 系。2.分析教育程度与工资之间是否存在相关关系。相关系数educational level(years)currentsalarykendall 的educational level相关系数1.000.554*tau_b(years)sig.（双侧）n.474.000474current salary相关系数.554*1.000sig.（双侧）n.000474.474spearman 的educational level相关系数1.000.688*rho(years)sig.（双侧）n.474.000474current salary相关系数.688*1.000sig.（双侧）.000.n474 474*. 在置信度（双测）为 0.01 时，相关性是显着的。kendall 和 spearman 相关系数分别为 0.554 和 0.688，所以可以认为教育程度和工资正相 关。八、实验结论spss 在数据分析方面提供了强大的能力，可以快速地进行相关分析，重点在于分清 连续变量、定序变量、定类变量，以及与其联系的相关系数。九、总结及心得体会spss 有着强大的相关分析功能，在使用 spss 的同时一定要