《SPSS08相关分析》课件

第8章相关分析

Correlations

返回1精选课件ppt目录相关分析的概念与相关分析过程两个变量间的相关分析简单实例二个变量间的相关分析过程秩相关及其实例关于相关矩阵数据文件偏相关分析

距离分析

习题及参考答案结束返回2精选课件ppt相关分析的概念与相关分析过程返回3精选课件ppt有关公式：Pearson积矩相关

Spearman相关系数式中Ri是第i个x值的秩，Si是第i个y值的秩。分别是Ri和Si的平均值。返回4精选课件ppt有关公式：Kendall’stau-b：其中ti（或ui）是x（或y）的第i组结点x（或y）值的数目，n为观测量数。返回5精选课件ppt有关公式：关于相关系数统计意义的检验

式中r是相关系数，n是样本观测量数，n－2是自由度。当t>t0.05(n-2)时，p<0.05拒绝原假设；Pearson和Spearman相关系数假设检验t值计算公式：返回6精选课件ppt相关分析菜单项

返回7精选课件ppt两个变量间的相关分析返回8精选课件ppt

二元变量相关分析主对话框

返回9精选课件ppt输出选择项对话框

返回10精选课件ppt两变量间相关分析实例1安徽省国民收入与城乡居民存款余额的相关分析（使用默认参数）返回11精选课件ppt秩相关实例各雇员的职务等级（jobcat）、受教育程度（Educ）与当前工资、起始工资间的关系。Educ数值数小于24（options对话框中定义的），因此标为Ordinal属于有序分类变量。非参相关矩阵返回12精选课件ppt秩相关实例data10-02为某次全国武术女子前10名运动员长拳和长兵器两项得分数据，要求分析这两项得分是否存在线性关系。

Kendall’stau-b与Spearman相关系数返回13精选课件ppt偏相关分析返回14精选课件ppt偏相关的有关公式：控制了z的条件下，x、y之间的偏相关系数：控制了两个变量z1、z2，变量x、y之间的偏相关系数：Pearson偏相关系数假设检验的t统计量：其中，r是相应的偏相关系数，n是观测量数，k是控制变量的数目，n-k-2是自由度。当t>t0.05(n-k-2)时，p<0.05拒绝原假设返回15精选课件ppt偏相关分析的主对话框返回16精选课件ppt偏相关的选择项对话框返回17精选课件ppt偏相关应用实例输出1

四川绵阳地区3年生中山柏的数据，分析月生长量与月平均气温、月降雨量、月平均日照时数、月平均湿度这四个气候因素哪个因素有关。数据来源于袁佳祖编著《灰色系统理论》，数据编号data10-03。

各变量的描述统计量生长量与各变量间Pearson相关分析结果返回18精选课件ppt偏相关分析输出2:返回19精选课件ppt偏相关分析结论中山柏生长量与四个气候因素的偏相关综合结果

TEMPHUMIHSUNRAINHGROW.9774.7310.6318-0.4906(7)(7)(7)(7)p=0.000p=0.025p=.068p=0.180返回20精选课件ppt距离分析Distance返回21精选课件ppt距离分析的主对话框图返回22精选课件ppt不相似性距离测度选择项对话框

返回23精选课件ppt相似性测度选择项对话框

返回24精选课件ppt距离分析实例

观测量间的欧氏距离返回25精选课件ppt变量间不相似性分析例题输出变量间的不相似性测度标准化后的欧氏距离返回26精选课件ppt变量间的相似性测度例题相关系数矩阵返回27精选课件ppt习题八及参考答案1.什么是两个变量间的线性相关？两个变量间的相关系数的数值范围是什么？负相关系数反映的是两个变量数值间的什么样的关系？2.SPSS提供了几个求相关系数的方法？个适应什么样的变量？3.在data08-04中记录了29个被试的身高、体重、肺活量的数据，试分析肺活量与哪个因素线性相关程度更高。说明为什么要计算偏相关？4、在data08-05中是474名职工的职务等级jobcat、起始工资salary、现工资salary、受教育程度educ、本单位工作经历（月）jobtime、以前工作经历（月）prevexp，id为职工编号。分析该公司起始工资的确定与什么因素有关。当前工资与什么因素有关。5.data08-06是某公司太阳镜销售情况。分析销售量与平均价格、广告费用和日照时间之间的关系。作图协助分析。此题使用偏相关分析是否有实际意义？返回28精选课件ppt习题及解答1~31.两个变量的对应关系不具有唯一性时，相关分析研究他们之间线性关系的密切程度。

变量Y随着变量X的增加（或减少）而增加（或减少），称为两个变量之间存在着线性关系，也称这两个变量线性相关。相关系数的数值范围是在-1~+1之间。当一个变量随着另一个变量的增加而减少，这种相关关系称为负相关。相关系数小于0。2.提供了三个相关分析方法：Pearson相关适合于分析正态分布的两个连续变量（测量方法定义为scale的尺度变量）间的相关系数。对于非正态分布的尺度测量的变量或顺序测量的等级变量（order）应该使用Spearman和Kendall‘stau-b方法计算相关系数。后者考虑了结点的影响。3.分析两个变量间线性关系的程度。往往因为第三个变量的作用，使相关系数不能真正反映两个变量间的线性程度。这是应该控制一个变量的变化求另两个变量间的相关系数，也就是说，在第三个变量不变的情况下，两个变量的线性程度。

CORRELATIONS/VARIABLES=VCPwithHEIGHTWEIGHT/PRINT=TWOTAILNOSIG/MISSING=PAIRWISE.返回29精选课件ppt习题及解答--3PARTIALCORR/VARIABLES=VCPwithWEIGHTBYHEIGHT/SIGNIFICANCE=TWOTAIL/MISSING=LISTWISE.PARTIALCORR/VARIABLES=VCPwithHEIGHTBYWEIGHT

/SIGNIFICANCE=TWOTAIL/MISSING=LISTWISE.做偏相关，执行这样两个程序。假设：肺活量与体重间无线性相关关系Significant=0.002，拒绝原假设，说明肺活量和体重（控制了身高）高度相关，相关系数为0.569。假设：肺活量与身高间无线性相关关系。Significant=0.619，接受原假设，说明肺活量和身高（控制了体重）没有线性关系，相关系数为0.098。正是由于在身高和体重之间高度线性相关，因此只做线性相关无法找到肺活量与身高和体重的真正的相关关系。结论是：肺活量与体重高度相关，与身高无线性关系。返回30精选课件ppt习题及解答--4CORRELATIONS/VARIABLES=salbeginwitheducprevexpjobcat/PRINT=TWOTAILNOSIG/MISSING=PAIRWISE.NONPARCORR/VARIABLES=salbeginwitheducprevexpjobcat/PRINT=BOTHTWOTAILNOSIG/MISSING=PAIRWISE.左面程序的执行结果，Pearson相关下表是执行右面程序的结果，使用非参相关：Spearman和Kendall‘stau-b方法计算相关系数。这两个结果是不同的。Pearsom相关分析结果初始工资与受教育程度和职务等级高度相关(p<0.001)，与以前的工作经历无关（p=0.327）。Spearman和Kendall‘stau-b的结果是与三者都是高度相关的p值均小于0.001。只是与以前工作经历相关系数较小0.133和0.186。应该使用哪个输出结果做结论呢？应该查看变量的测度和进行正态性分析。返回31精选课件ppt习题及解答--4从上3个图可以看出受教育年限、其始工资、以前工作经历（月）都不是正态分布；从变量属性的测度类型看，职务等级是Order类型，只分3等，受教育程度也是分类变量少于24等，所以也属于分类变量Order类型；左表是描述统计量的输出，偏度和峰度度值都说明这些变量都非正态分布，因此应该做非参相关。根据前页第2个表格看出，起始工资的确定主要考虑了雇员的受教育程度和职务等级。也考虑了以前工作经历长短。均为正相关。返回32精选课件ppt习题及解答--4

根据前面对变量测度类型和正态性分析，当前工资与各因素的相关关系的分析只采用Spearman和Kendall‘stau-b方法计算相关系数。（只有本企业工作经历时间偏度接近0）结论：当前工资与以前工作经历的时间长短无关；与受教育年限、起始工资和职务高度相关，与本单位工作时间长短有一定的相关关系：p<0.05，但是相关系数仅为0.071。返回33精选课件ppt习题及解答—5所有变量均可以看作连续变量（Scale尺度变量），且近似正态分布。因此可以使用Pearson相关分析CORRELATIONS/VARIABLES=