SPSS皮尔逊相关解析实例操作步骤.docVIP

SPSS皮尔逊相关分析实例操作步骤 选题： 对某地29名13岁男童的身高（cm）、体重（kg），运用相关分析法来分析其身高与体重是否相关。 实验目的： 任何事物的存在都不是孤立的，而是相互联系、相互制约的。相关分析可对变量进行相关关系的分析，计算29名13岁男童的身高（cm）、体重（kg），以判断两个变量之间相互关系的密切程度。 实验变量： 15160.54716153.04717147.64118157.54319155.14520160.53821143.03222149.43423160.84024159.03925158.23826150.03627144.53528154.64029156.532编号Number，身高height（cm），体重weight（kg） 原始数据： Numberheightweight1135.1322139.9303163.6464146.5345156.2376156.4367167.8428149.7319145.03310148.53711165.55012135.02813153.34114152.032 实验方法： 皮尔逊相关分析法 软件： spss19.0 操作过程与结果分析： 第一步：导入Excel数据文件??? 1.?open data document——open data——open； 2. Opening excel data source——OK. 第二步：分析身高（cm）与体重（kg）是否具有相关性 在最上面菜单里面选中Analyze——correlate——bivariate?，首先使用Pearson，two-tailed，勾选flag significant correlations 进入如下界面： 点击右侧options，勾选Statistics，默认Missing Values，点击Continue 输出结果： Descriptive StatisticsMeanStd. DeviationN身高（cm）152.5768.362229体重(kg)37.655.74629 图为基本的描述性统计量的输出表格，其中身高的均值（mean）为152.576cm、标准差（standard deviation）为8.3622、样本容量（number of cases）为29；体重的均值为37.65kg、标准差为5.746、样本容量为29。两者的平均值和标准差值得差距不显著。 Correlations身高（cm）体重(kg)身高（cm）Pearson Correlation1.719**Sig. (2-tailed).000Sum of Squares and Cross-products1957.953967.816Covariance69.92734.565N2929体重(kg)Pearson Correlation.719**1Sig. (2-tailed).000Sum of Squares and Cross-products967.816924.312Covariance34.56533.011N2929**. Correlation is significant at the 0.01 level (2-tailed).  图为相关分析结果表，从表中可以看出体重和身高之间的皮尔逊相关系数为0.719，即|r|=0.719，表示体重与身高呈正相关关系，且两变量是显著相关的。另外，两者之间不相关的双侧检验值为0.000，图中的双星号标记的相关系数是在显著性水平为0.01以下，认为标记的相关系数是显著的，验证了两者显著相关的关系。所以可以得出结论：学生的体重与身高存在显著的正相关性，当体重越高时，身高也越高。 第三步：画散点图：选中Graphs——Legacy Dialogs——Scatter/dot—— Simple scatter——define. 得到散点图，如下图：