spass相关分析实验报告

1、实验主题专业统计软件应用实验题目相关分析实训时间2011学年2学期15周（2011年5月30日一 31.日）学生姓名官其虎学号2009211467班级0360901实训地点信息管理 实验室设备号B25指导教师刘进一实验目的衡量事物之间，或称变量之间线性相关程度的强弱并用适当的统计指标表示出来，这个过 程就是相关分析。相关系数是衡量变量之间相关程度的一个指标，总体的相关系数用P表示， 样本的相关系数用r表示。理解和学会使用相关分析方法解决问题。二实验内容第一题：K.K.Sm曲在烟草杂交繁赠的花上收集到如表&16所示的数据，要求对以上3组数拯两两 之间进行相关分析，以0.05的显著性水平检验相关系

2、数的显著性。（数据来源：统计软件 SPSS系列应用实践篇苏金明，电子工业出版社；数据文件：data8-5.sav）表&16 K.K.Smith所调查的长度资料花瓣443435333444434333长942223697518590475花枝221212121222212121长74223940125380503花呼111111111212211111长627095451422545561、实验原理：二元变量相关分析是分析两个变量变量之间的相关关系，称为单相关，三个或以上变量之间的相关 关系称 为相关，这种相关涉及一个因变量与两个以上的自变量，在实际工作中，如果存在多个自变量 与一个因变量的关系

3、，则应抓住其中最主要的因素，研究其相关关系。调用Bivariate过程时允 许同时输入两个变量或两个以上变量，但系统输出的是变量间两两相关的相关系数。检测的零 假设是两个变量的相关系数为。2、实验步骤：第1步分析：分析三组数据的两两之间的相关性，而且给出的是具体的数值，这是一个二元相 关性问题；第2步数据组织：将三个变量分别泄义为花瓣、花枝和花萼；第3步按AnalyzelCorrelatelBivariate顺序打开二元变量的分析主对话框Bivariate Correlations;运行即 可（你再单击Options按钮，打开Bivaiate Correlations:Option对话框，选择

4、Statistics方框内的两 个复选框，看效果又如何。）3、实验结果：Descriptive StatisticsMeanStd. DeviationN花瓣长40.445.97318花枝长19.675.02918花萼长16.173.29418Correlations花瓣长花枝长花呼长花瓣长 Pearson Correlation1.955.797“Sig. (2-tailed).000.000Sum of Squares andCross-p606.444487.667266.667oductsc35.67328.68615.686varia neeN181818花枝长 Pearson Co

5、rrelation.955”1.678”Sig. (2-tailed).000.002Sum of Squares and487.667430.000191.000Cross-productsCovariance28.68625.29411.235N181818花萼长 Pearson Correlation.797.6781Sig. (2-tailed).000.002Sum of Squares and266.667191.000184.500Cross-productsCovaria nee15.68611.23510.853N181818*. Correlation is signifi

6、cant at the 0.01 level (2-tailed).分析：表中给出了 3个变量两两之间的Pearson相关系数（Pearson Correlation ）、双侧显 著情 况检验概率（Sig. （2-tailed）和数据组数（N）。脚注内容显示相关分析结果在0.01的水平上 显著。另外，从表中可以看出，花瓣长和花枝长的数据具有很强的相关性。而双侧检验的显 著性概率均小于0.05,因此否左零假设（零假设是变疑之间不具有相 关性），认为相关系数不 为零，变量之间具有相关性。第二题：试确定1962-1988年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性相关 性,数据如表&17所

7、示。（数据来源：数据统计与管理1990年第5期，中国商场统il 研究会主办；数据文件：data8-6.sav）表8.17 1962-1988年安徽省国民收入数拯表年份19621963196419651966196719681969197019711972197319741975国民收入 （亿元）34.6135.6739.5247.3254.1450.8649.6951.6165.0672.5777.7283.578287.44存款余额 （亿元）0.590.10.8511.221.141321.281.35.61.874.22.552.61年份19761977197819791980198119

8、82198319841985198619871988国民收入 （亿元）95.6397.23103.81116.29127.87150.29161.47180.2221.17271.81310.53357.86444.78存款余额 （亿元）2.743.133.915.75&7612.1916.3620.9528.3238.4355.4374.289.831、实验原理：二元变量线性相关性是分析两个变量变量之间的相关关系，称为单相关，三个或以上变量之间的相关关系称 为相关，这种相关涉及一个因变量与两个以上的自变量，在实际工作中，如果 存在多个自变 量与一个因变量的关系，则应抓住其中最主要的因素，研究

9、其相关关系。调用Bivariate过程 时允许同时输入两个变量或两个以上变量，但系统输出的是变量间两两相关的相关系数。检 测的零假设是两个变量的相关系数为。2、实验步骤：第1步分析：分析三组数据的两两之间的相关性，而且给出的是具体的数值，这是一个二元 相关性问题；第2步数据组织：将2个变量分别泄义为国民收入与城乡居民储蓄存款余额：第3步按 AnalyzelCorrelatelBivariate顺序打开二元变量的分析主对话框Bivariate Correlations;运行即可（你 再单iliOptions按钮，打开Bivaiate Correlations:Option对话框，选择Statis

10、tics方框内的两个复选 框，看效果又如何。；3、实验结果：Descriptive StatisticsMeanStd. Deviation国民收入128.5452106.1875327存款余额14.121923.7969327Correlations国民收入存款余额国民收入 Pearson CorrelationSig. (2-tailed)Sum of Squares and Cross-products1293170.567.976.00064137.265Covariance11275.7912466.818N2727存款余额 Pearson C rrelation.9761Sig.

11、(2-tailed).000Sum of Squares and Cross-products64137.26514723.639Covariance2466.818566.294N2727*. Correlation is significant at the 0.01 level (2-tailed).分析：从表中可看出相关系数（Pearson Correlation） 7J0.9760,说明呈正相关，而伴 随概率sig为0.000v0.05,因此应拒绝零假设（两变量之间不具有相关性），即说明国民收入与城乡居民 储蓄存款余额显著性正影响的。第三题：某高校抽样得到1。名短跑运动员，测出10。

12、米的名次和跳高的名次如表&18,问这两 个剑次是否在。.。5的显著性水平下具有相关性。（数据来源：应用统讣学：数据统计方 法、数据获取与SPSS应用马庆国，科学出版社：数据文件：data8-7.sav）表8.18 10名运动员的100米及跳高名次百米名 次12345678910跳高名 次431527108961、实验原理：二元变量相关分析2、实验步骤：第1步分析：分析三组数据的两两之间的相关性，而且给出的是具体的数值，这是一个二元 相关性问题；第2步数据组织：将2个变量分别定义为百米名次和跳高需次第3步按AnalyzelCorrelatelBivariate顺序打开二元变量的分析主对话框Biv

13、ariate Correlations;运行 即可（你再单击Options按钮，打开Bivaiatc Correlations:Option对话框，选择Statistics方框内的 两个复选框，看效果又如何。）3、实验结果：Descriptive StatisticsMeanStd. DeviationN百米名次5.503.02810跳高名次5.503.02810Correlations百米名次跳高名次百米名次 Pearson Correlation1.697Sig. (2-tailed).025Sum of Squares andR? SOOS7 BOOCross-productsCovar

14、iance9.1676.389N1010跳高名次 Pearson Correlation.697，1Sig. (2-tailed).025Sum of Squares andR7 AnnR2 AnnCross-productsCovariance6.3899.167N1010*. Correlation is significant at the 0.05 level （2-tailed）.分析：从表中可看出相关系数（Pearson Correlation） 7J0.6970,说明呈正相关，而伴随概率sig为0.000v0.05,因此应拒绝零假设（两变量之间不具有相关性），即说明百米划次与跳高

15、名次显 著性正影响的。第四题：某公司太阳镜销售情况如表&19所示，请分析销售量与平均价格、广告费用和日照时 间之间的关系，并说明此题用偏相关分析是否有实际意义（显著性水平为0.05 ） o （数据来 源：SPSS for Windows统计分析（第3版）卢纹岱，电子工业出版社：数据文件：data8-8.sav）表&19某公司销售太阳镜的数据月份123456789101112销量759014818324226327831825620014080价格6.86.563.532.92.62j3j3.64.24.2广告费 用2567222528302218102日照时 间2.444.26.888.410

16、.411.59.66.13.421、实验原理：偏相关分析2、实验步骤：第1步分析：这4个因素彼此均有影响，分析时应对生长量与4个因素分别求偏相关，在求销售量与一个因素的相关时控制英他因素的影响，然后比较相关系数，按4个因素对销售量的影响的大小排序。第2步泄义变量：销售量与平均价格、广告费用和日照时间；第3步按AnalyzelCorrelatelPartial顺序启动偏相关分析的主对话框，指定分析变量和控制变 量，第一次分析变量为销售量与平均价格，其余为控制变量。在主对话框中使用系统默认 的双尾检验，显示实际的显著性概率;在Opiion对话框中选择要求输出变量的均值和标 准差，显示Pearson

17、相关系数矩阵，对缺失值的正理使用系统默认值。3、实验结果：CorrelationsControl Variables销量价格广告费用&日照时销里Correlati on间Sign ifica nee (2-tailed)df1.00010 69.024价格 CorrelationSign ifica nee (2-tailed)df-.699.02481.00CCCorrelationsControl Variables销量广告费用日照时间&价销量Correlation格Significance (2-tailed)df1.000 0.666.0368广告费用CorrelationSignif

18、ica nee (2-tailed)df.666.03681.000 0CorrelationsControl Variables销量日照时间价格&广告费销量Correlation用Sign ifica nee (2-tailed)df1.000 0.866.0018日照时间Correlation.8661.000Significa nee (2-tailed).001df80分析：销量和价格的偏相关分析结果表可得出销虽:和价格无相关显著性：销量和广告费用的偏相关分析表可得销疑和广告费用无相关显著性；销量和日照时间的偏相 关分析表可得销量和日照时间有相关显著性。第五题：某动物产下3个幼仔，现分

19、别对3个幼仔的长、体重、四肢总长、头重进行测量， 试就这几个测量数据而言，用距离分析法分析3个幼仔的相似性，数据如表8.20所示。（数 据文件为：data8-9.sav）表8.20三个幼仔的数据指标序号长体重四肢总长头重1502151001125122011()12352220112121、实验原理：距离分析2、实验步骤：第1步分析：这是一个求个案间的相关性（相似性）问题。第 2 步 按 AnalyzelCorrelatelDistances 打开 Distance 对话框 并选 Between Cases （个案之间） 和Similarities （相似性），其它不作任何设I3运行。3、实验结果：Case Processing SummaryCasesValid