spss第14讲偏相关性分析.ppt

已知有我国六城市2004年各月的日照时数数据如表所示。请分析各城市日照数是否近似。 执行【Analyze】/【Correlate】/【Distances】命令,弹出【Distances】对话框 变量列表 选择变量 个案（观测量）标识变量 计算距离选项： 个案距离，计算个案间的距离； 变量距离，计算变量之间的距离 度量方式 等距间隔数据选项 计数数据选项 二值数值选项 转换转换选项 转换测度选项 结果解读 取值越大说明近似程度越低，反之亦然 例：测得30名13岁男童的身高、体重、肺活量的数据。对身高、体重和肺活量进行变量距离分析。 编号 身高 体重 肺活量 1 135.1 32 1570 2 139.9 30.4 2000 3 163.6 46.2 2750 4 146.5 33.5 2500 5 156.2 37.1 2750 6 156.4 35.5 2000 7 167.8 41.5 2750 8 149.7 31 1500 编号 身高 体重 肺活量 9 145 33 2500 10 148.5 37.2 2250 11 165.5 49.5 3000 12 135 27.6 1250 13 153.3 41 2750 14 152 32 1750 15 160.5 47.2 2250 16 153 47.2 1750 距离分析命令语句 PROXIMITIES 身高 体重 肺活量 /VIEW=VARIABLE /MEASURE= CORRELATION /STANDARDIZE= NONE . 结果分析 距离分析的相似性矩阵，也就是Pearson相关系数矩阵。从表中可以看出，3个变量之间，身高和体重的相关系数最大，为0.735，体现出两者之间具有更紧密的关系。比较而言，身高和肺活量之间的Pearson相关系数最小，两者之间的相似性测度也最小，体现出两者之间关系更远一些。 实例二 对飞机叶片的个案距离分析 利用三种不同的仪器对飞机的10只叶片半径分别进行了测量，下表给出了测试结果。现对10只叶片进行距离分析。 10只叶片的3次测量数据 第一次测量 38.32 38.16 38.19 37.94 38.22 37.73 37.57 37.63 38.07 38.47 第二次测量 38.44 38.07 37.98 38.16 37.88 37.94 37.88 37.82 38.25 38.13 第三次测量 37.76 38.28 37.85 37.82 38.32 37.54 37.51 37.88 37.98 38.63 步骤 将三次测量变量移入变量列表，选择“Bewteen cases”其余选择默认值。 命令语句为： PROXIMITIES 第一次 第二次 第三次 /VIEW=CASE /MEASURE= EUCLID /STANDARDIZE= NONE . 距离分析的相似性矩阵 上表是个案距离分析的不相似矩阵。由于操作中利用默认选项选择距离统计量，所以这里的距离测度为Euclidean距离，是一种不相似距离测度，数值越大，表示两个个案的不相似性越大，两叶片差距也就越大。从表中可以看出，在给定的10只叶片中，第7只叶片和第10只叶片的距离最大；第6、7叶片距离最小。表示这两只叶片半径测量数据最接近。 第九次实验内容 两变量的相关分析（Bivariate过程） 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 编号 发硒 血硒 1 2 3 4 5 6 7 8 9 10 74 66 88 69 91 73 66 96 58 73 13 10 13 11 16 9 7 14 5 10 第十次实验内容 1.偏相关分析(Partial 过程) 某地29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。 编号 身 体重 肺活量 编号 身高 体重 肺活量 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 135.1 139.9 163.6 146.5 156.2 156.4 167.8 149.7 145.0 148.5 165.5 135.0 153.3 152.0 160.5 32.0 30.4 46.2 33.5 37.1 35.5 41.5 31.0 33.0 37.2 49.5 27.6 41.0 32.0 47.2 1750 2000 2750 2500 2750 2000 2750 1500 2500 2250 3000 1250 2750 1750 2250 16 17 18 19 20 21 22 23 24 25