SPSS相关分析实验报告资料.docVIP

本科教学实验报告 （实验）课程名称：数据分析技术系列实验 PAGE 9 实 验 报 告 学生姓名： 一、实验室名称： 二、实验项目名称：相关分析 三、实验原理 相关关系是不完全确定的随机关系。在相关关系的情况下，当一个或几个相互联系的变量取一定值得时候，与之相应的另一变量的值虽然不确定，但它仍然按照某种规律在一定的范围内变化。 按照数据度量的尺度不同，相关分析的方法也不同，连续变量之间的相关性常用Pearson简单相关系数测定；定序变量的相关系数常用Spearman秩相关系数和Kendall秩相关系数测定；定类变量的相关分析要使用列连表分析法。 四、实验目的 理解相关分析的基本原理，掌握在SPSS软件中相关分析的主要参数设置及其含义，掌握SPSS软件分析结果的含义及其分析。 实验内容及步骤 实验内容：以雇员表为例，共有474条数据，运用相关分析方法对变量间的相关关系进行分析。 1）分析性别与工资之间是否存在相关关系。 2）分析教育程度与工资之间是否存在相关关系。 实验要求：掌握相关分析方法的计算思路及其在SPSS环境下的操作方法，掌握输出结果的解释。 1. 分析性别与工资之间是否存在相关关系。 分析：性别属于定类变量，是离散值，因使用卡方检验。 Step1.操作为Analyze \ Descriptive Statistics \ Crosstabs Step2.将性别（Gender）和收入（Current Salary）分别移入Rows列表框和Columns列表框。 Step3.单击Statistics按钮，在弹出的子对话框中选中默认的Chi-square，进行卡方检验。退回到主对话框，单击ok。 2. 分析教育程度与工资之间是否存在相关关系。 分析：教育程度为定序变量，工资为连续变量，可使用Spearman和Kendall秩相关系数检验。 Step1. 用散点图初步判断二变量的相关性，操作为Graphs / Legacy Dialogs / Scatter,选择Simple Scatter，教育程度为自变量，工资为因变量，做散点图。 散点图结果如图示，二者存在线性相关关系。只有线性相关的关系确定后才能继续进行下一步分析。因此, 在进行相关分析之前的预分析过程也是十分重要的。 Step2.两变量相关分析，操作为Analyze / Correlate / Bivariate，选择Kendall和Spearman相关系数。 六、实验器材（设备、元器件）： 计算机、打印机、硒鼓、碳粉、纸张 七、实验数据及结果分析 1.分析性别与工资之间是否存在相关关系。 卡方检验结果为 卡方检验 值 df 渐进 Sig. (双侧) Pearson 卡方 290.785a 220 .001 似然比 390.179 220 .000 有效案例中的 N 474 a. 440 单元格(99.5%) 的期望计数少于 5。最小期望计数为 .46。 显著性水平为0.001，即至少有99.99%的把握认为性别和工资之间存在显著的相关系。 分析教育程度与工资之间是否存在相关关系。 相关系数 Educational Level (years) Current Salary Kendall 的 tau_b Educational Level (years) 相关系数 1.000 .554** Sig.（双侧） . .000 N 474 474 Current Salary 相关系数 .554** 1.000 Sig.（双侧） .000 . N 474 474 Spearman 的 rho Educational Level (years) 相关系数 1.000 .688** Sig.（双侧） . .000 N 474 474 Current Salary 相关系数 .688** 1.000 Sig.（双侧） .000 . N 474 474 **. 在置信度（双测）为 0.01 时，相关性是显著的。 Kendall和Spearman相关系数分别为0.554和0.688，所以可以认为教育程度和工资正相关。 八、实验结论 SPSS在数据分析方面提供了强大的能力，可以快速地进行相关分析，重点在于分清连续变量、定序变量、定类变量，以及与其联系的相关系数。 总结及心得体会 Spss有着强大的相关分析功能，在使用spss的同时一定要与统计学的理论联系在一起，理清每种统计方法的内在含义。 十、对本实验过程及方法、手段的改进建议 分清连续变量、定序变量、定类变量是进行相关分析的基础，要牢记与每种变量相匹配的相关系数。