SPSS7相关分析.pdf

SPSS 统计分析 第７章相关分析 相关分析是研究变量间密切程度的一种常用统计方法。线性相关分析研究两个变量 间线性关系的程度。相关系数是描述这种线性关系程度和方向的统计量，通常用r表示。 如果一个变量 y可以确切地用另一个变量 x的线性函数表示，那么，两个变量间的相关 系数是+1或-l。如果变量y随着变量x的增、减而增、减，即变化的方向一致。例如， 在一定的温度范围内昆虫发育速率与温度的关系，温度越高，发育速率相对也就越快。 这种相关称为正向相关，其相关系数大于0。如果变量y随着变量x的增加而减少，变化 方向相反。例如，降雨强度与田间害虫种群数量的关系，随着降雨强度的增加，时间延 长，害虫种群数量逐步下降。这种相关关系称为负相关，其相关系数小于0。相关系数r 没有单位，其值在-1～+1之间。 SPSS 系统中有一个用于相关分析的 “Correlate ”菜单项，其中包括有板有三个过程： ① Bivariate 分析两个变量之间的相关关系； ② Partial 偏相关分析，分析在一个或多个变量的影响下，两个变量之间的相关关系； ③ Distance相似性分析 （距离分析）。 在这里将结合例子介绍两个变量之间的相关分析和偏相关分析过程的应用。 ７.1 二个变量间的相关分析 本节介绍两两变量间的相关分析。包括两个连续变量间的相关和两个等级变量间的 秩相关。这两种相关使用同一个过程，通过选择不同的分析方法来实现。选择哪一种分 析方法要看具体的数据类型。 [例子７-1] 调查了29 人身高、体重和肺活量的数据见表7- 1，分析这三者之间的相互关系。 表7- 1 身高、体重和肺活量的调查数据 编号 身高 体重 肺活量 编号 身高 体重 肺活量 1 135.10 32.0 1.75 16 153.00 32.0 1.75 2 139.90 30.4 1.75 17 147.60 40.5 2.00 3 163.60 46.2 2.75 18 157.50 43.3 2.25 4 146.50 33.5 2.50 19 155.10 44.7 2.75 5 156.20 37.1 2.75 20 160.50 37.5 2.00 6 156.40 35.5 2.00 21 143.00 31.5 1.75 7 167.80 41.5 2.75 22 149.90 33.9 2.25 8 149.70 31.0 1.50 23 160.80 40.4 2.75 9 145.00 33.0 2.50 24 159.00 38.5 2.25 10 148.50 37.2 2.25 25 158.20 37.5 2.00 11 165.50 49.5 3.00 26 150.00 36.0 1.75 12 135.00 27.6 1.25 27 144.50 34.7 2.25 13 153.30 41.0 2.75 28 154.60 39.5 2.50 14 152.00 32.0 1.75 29 156.50 32.0 1.75 15 160.50 47.2 2.25 103