SPSS教程第五章相关分析.pptVIP

图5－2 Optins 对话框 对每一个变量输出均值、标准差和无缺省值的观测数。 对每一个变量输出交叉距阵和协方差距阵。 计算某个统计量时，在这一对变量中排除有缺省值的观测值。 对于任何分析，有缺省值的观测值都会被排除。 观测 号 1 2 3 4 5 6 7 8 9 10 体重 （克） 83 72 69 90 90 95 90 91 75 70 鸡冠重 （毫克） 56 42 18 84 56 107 90 68 31 48 连续变量相关分析实例数据表 相关分析实例 1、连续变量的相关分析实例 十只小鸡的体重与鸡冠的数据如表所示（数据文件：小鸡（相关）.sav）： 分析步骤 1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 2）选择weight 和coronary变量进入 Variables框中。 3）在Correlation Coefficients栏内选择Pearson。 4）在Test of Significance栏选择Two-tailed。 5）选择Flag significant correlation。 6）单击Options按钮，选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项。 7）单击OK完成。 描述性统计量表，如下： 从表中可看出，变量weight的均值为82.50，标准差为10.01，观测数为10；变量coronaryt的均值为60.00，标准差为27.60，观测数为10； 结果分析 从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，这两者之间不相关的双尾检验值为0.001。体重观测值的协方差为100.278，而鸡冠重观测值的协方差为761.556，体重和鸡冠重的协方差为239.111。 从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。并且，否定了小鸡的体重与鸡冠重之间不相关的假设。 Pearson相关系数距阵 2、定序变量的Spearman分析实例 为研究集团迫使个人顺从的效应，一些研究者用F量表和为测量地位欲而设计的一种量表对12名大学生进行调查。欲知道对权威主义的评分之间相关的信息。 学生 A B C D E F G H I J K L 权威主义 2 6 5 1 10 9 8 3 4 12 7 11 地位欲 3 4 2 1 8 11 10 6 7 12 5 9 权威主义和地位欲评秩 1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 2）选择power和position 变量进入 Variables框中。 3）在Correlation Coefficients栏内选择Spearman选项。 4）在Test of Significance栏选择Two-tailed。 5）选择Flag significant correlation。 6）单击Options按钮，选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项。 7）单击OK。 分析步骤 从表中可看出，权威主义和地位欲的相关系数为0.818，这表明权威主义越高的人地位欲也越高。权威主义与地位欲不相关的假设检验值为0.001，否定假设，即权威主义与地位欲是相关的。 结果分析 3、定序变量的Kendall分析实例 仍用前例中的数据（数据文件：权威（Spearman相关）.sav） 。操作过程相同，只是在第3）步在Correlation Coefficients栏内选择Kendall’s选项。结果如下： 从表中可看出，权威主义和地位欲的相关系数为0.667，这表明权威主义越高的人地位欲也越高。权威主义与地位欲不相关的假设检验值为0.003，否定假设，即权威主义与地位欲是相关的。Kendall相关分析所得到的结果类似于Spearman分析。 * 通常情况下显示皮尔逊卡方检验（Pearson chi-square test） 、拟然比卡方检验（Likehood ration chi-square test ）、线性相关卡方检验（Linear-by-linear association chi-squa