SPSS 08 相关分析 SPSS for Windows统计分析.ppt

第8章 相 关 分 析 Correlations 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 相关分析的概念与相关分析过程 有关公式： 有关公式： 有关公式：关于相关系数统计意义的检验 相关分析菜单项 两个变量间的相关分析 二元变量相关分析主对话框 输出选择项对话框 两变量间相关分析实例1 秩相关实例 秩相关实例 偏 相 关 分 析 偏相关的有关公式： 偏相关分析的主对话框 偏相关的选择项对话框 偏相关应用实例输出1 偏相关分析输出2: 偏相关分析结论 距 离 分 析 Distance 距离分析的主对话框图 不相似性距离测度选择项对话框 相似性测度选择项对话框 距离分析实例 变量间不相似性分析例题输出 变量间的相似性测度例题 习题八及参考答案 习题及解答1~3 1. 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‘s tau-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。 习题及解答--3 PARTIAL CORR /VARIABLES= VCP with WEIGHT BY HEIGHT /SIGNIFICANCE=TWOTAIL /MISSING=LISTWISE . PARTIAL CORR /VARIABLES= VCP with HEIGHT BY WEIGHT /SIGNIFICANCE=TWOTAIL /MISSING=LISTWISE . 习题及解答--4 CORRELATIONS /VARIABLES=salbegin with educ prevexp jobcat /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE . 习题及解答--4 习题及解答--4 习题及解答—5 注意使用辅助方法 Graph?Scatter NONPAR CORR /VARIABLES=salbegin with educ prevexp jobcat /PRINT=BOTH TWOTAIL NOSIG /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‘s tau-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(p0.001)，与以前的工作经历无关（p=0.327）。 Spearman和Kendall‘s tau-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 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 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‘s tau-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：p0.05，但是相关系数仅为