实验四相关分析

1、实验四 相关分析一、 实验目的学习利用SPSS进行相关分析、偏相关分析、距离分析。二、实验内容及实验步骤（一）两变量的相关分析（Bivariate过程）实验内容：某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析。编号发硒血硒123456789107466886991736696587313101311169714510实验步骤：1建立数据文件。定义变量名：发硒为x，血硒为y，按顺序输入相应数值。2选择菜单“AnalyzeCorrelateBivariate” ，弹出“Bivariate Correlation”对话框。在对话框左侧的变量列表中选x、y，使

2、之进入“Variables”框；再在“Correlation Coefficients” 框中选择Pearson相关系数（r）；在“Test of Significance”框中选相关系数的 “Two-tailed”（双侧）检验。选中复选框“Flag significant correlations”设置是否突出显示显著相关。3单击“Options”按钮，弹出“Bivariate Correlation: Options”对话框，选择“Means and standard deviations”和“Cross-product deviations and covariances”项，输出X、Y

3、的均数与标准差以及XY交叉乘积的标准差与协方差。4单击“OK”按钮，得到输出结果。对结果进行分析解释。X与y的相关系数r=0.872,为高度的正线性相关,且t的双侧检验中p值=0.001<0.05，线性关系显著。（二）偏相关分析(Partial 过程)实验内容：某地30名13岁男童身高（cm）、体重（kg）和肺活量（ml）的数据如下表, 试对该资料作控制体重影响作用的身高与肺活量相关分析。实验步骤：1打开数据文件pcorrelation.sav2选择菜单“AnalyzeCorrelatePartial” ，弹出“Partial Correlations”对话框。在对话框左侧的变量列表中选

4、变量“身高”、“肺活量” 进入Variables框，选择要控制的变量“体重”进入“Controlling for”框中，以在控制体重的影响下对变量身高与肺活量进行偏相关分析；在“Test of Significance”框中选双侧检验。3单击“Options”按钮，弹出“Partial Correlations: Options”对话框。在“Statistics”复选框组中选择要输出的统计量。4单击“OK”按钮，得到输出结果。对结果进行分析解释。身高与肺活量的偏相关系数r=0.246呈低度正线性相关，在T统计量的双尾检验中p值=0.199<0.05,不拒绝原假设，说明两变量之间线性关系不

5、显著。(三)距离分析(Distances过程)实验内容：某医师对8份标准血红蛋白样品作三次平行检测，结果如下，问检测结果是否一致？ 样品号12345678第一次第二次第三次12.3612.4012.1812.1412.2012.2212.3112.2812.3512.3212.2512.2112.1212.2212.1012.2812.3412.2512.2412.3112.2012.4112.3012.46实验步骤：1建立数据文件。定义变量名：第一次测量值为HB1，第二次测量值为HB2，第三次测量值为HB3，输入相应数据。2选择菜单“AnalyzeCorrelateDistance

6、” ，弹出“Distance”对话框。在对话框左侧的变量列表中选变量HB1、HB2、HB3，进入“Variables” 框。在“Compute Distances”框中选择“Between variables”，作变量之间的距离相关分析。在“Measure”栏中选择“Similarities”相似性测距。单击“Measure” 按钮，系统弹出“Distance: Similarity Measure”对话框，选择“Pearson correlation” 为测量距离。3单击“OK”按钮，得到输出结果。对结果进行分析解释。输出结果如图所示：HB1与HB2和HB3中度线性相关，HB2与HB3线性关

7、系不明显三 练习题：1、打开数据文件correlate1.sav, 要求分析汽车价格和汽车的燃油效率之间是否存在线性关系。选择菜单“AnalyzeCorrelateBivariate”，在对话框左侧的变量列表中选price，fuel efficiency使之进入“Variables”框,输出结果如图所示：两变量之间的相关系数r=-0.492，呈负的低度线性相关，在T的双尾检验中p值<0.05,拒绝假设H0，汽车价格和汽车的燃油效率之间有显著线性相关关系。2、打开数据文件pcorrelation.sav，对身高、体重和肺活量进行变量距离分析。选相似性测度。进行结果解释。选择菜单“AnalyzeCorrelateDistance”，在对话框左侧的变量列表中选变量身高、体重和肺活量进入“Variables” 框。在“Compute Distances”框中选择“Between variables”，作变量之间的距离相关分析。在“Measure”栏中选择“Similarities”相似性测距。输出结果如图所示 身高、体重、肺活量彼此之间都存在中度的线性关系3、打开数据文件distance.sav, 文件是利用