SPSS实用教程第07章.docx

SPSS实用教程第七章 相关分析

第一节BivariateCorrelations过程

主要功能

实例操作

第二节PartialCorrelations过程

主要功能

实例操作

第三节DistancesCorrelations过程

主要功能

实例操作

任何事物的存在都不是孤立的，而是相互联系、相互制约的。在医学领域中，身高与体重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程度并用适当的统计指标表示出来，这个过程就是相关分析。

值得注意，事物之间有相关，不一定是因果关系，也可能仅是伴随关系。但如果事物之间有因果关系，则两者必然相关。

SPSS的相关分析是借助于Statistics菜单的Correlate选项完成的。

第一节Bivariate过程

主要功能

调用此过程可对变量进行相关关系的分析，计算有关的统计指标，以判断变量之间相互关系的密切程度。调用该过程命令时允许同时输入两变量或两个以上变量，但系统输出的是变量间两两相关的相关系数。

实例操作

[例7-1]某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析。

编号

发硒

血硒

1

74

13

2

66

10

3

88

13

4

69

11

5

91

16

6

73

9

7

66

7

8

96

14

9

58

5

10

73

10

7.1.2.1

数据准备

激活数据管理窗口，定义变量名：发硒为X，血硒为Y，按顺序输入相应数值，建立数据库（图7.1）。

图

图7.1 原始数据的输入

统计分析

激活Statistics菜单选Correlate中的Bivariate...命令项，弹出BivariateCorrelation对话框（图7.2）。在对话框左侧的变量列表中选x、y，点击 钮使之进入Variables框；再在CorrelationCoefficients框中选择相关系数的类型，共有三种：Pearson为通常所指的相关系数（r），Kendell’stau-b为非参数资料的相关系数，Spearman

为非正态分布资料的Pearson相关系数替代值，本例选用Pearson项；在TestofSignificance框中可选相关系数的单侧（One-tailed）或双侧（Two-tailed）检验，本例选双侧检验。

图

图7.2 相关分析对话框

点击Options...钮弹出BivariateCorrelation:Options对话框（图7.3），可选有关统计项目。本例要求输出X、Y的均数与标准差以及XY交叉乘积的标准差与协方差，故选Meansandstandarddeviations和Cross-productdeviationsandcovariances项，而后点击Continue钮返回BivariateCorrelation对话框，再点击OK钮即可。

图

图7.3 相关分析统计对话框

结果解释：

在结果输出窗口中将看到如下统计数据：变量X、Y的例数、均数与标准差，变量X、Y交叉乘积的例数、标准差与协方差；XY两两对应的相关系数及其双侧检验的概率，本例r=0.8715，P=0.001。

Variable

Cases

Mean

StdDev

X

10

75.4000

12.2945

Y

10

10.8000

3.3267

Variables

Cases

Cross-ProdDev

Variance-Covar

X Y

10

320.8000

35.6444

X

Y

X

1.0000

.8715

( 10)

(

10)

YP=.

Y

P=.

.8715

P=.001

1.0000

( 10)

(

P=.

10)

P=.001

(Coefficient/(Cases)/2-tailedSignificance)

.isprintedifacoefficientcannotbecomputed

主要功能

调用此过程可对变量进行偏相关分析。在偏相关分析中，系统可按用户的要求对两相关变量之外的某一或某些影响相关的其他变量进行控制，输出控制其他变量影响后的相关系数。

实例操作

[例7-2]某地29名13岁男童身高（cm）、体重（kg）和肺活量（ml）的数据如下表,试对该资料作控制体重影响作用的身高与肺活量相关分析。

编号

身高（cm）

体重

(kg)

肺活量

(ml)

编号

身高（cm）

体重

(kg)

肺活量

(ml)

1

135.1

32.0

1750

16

153.0

47.2

1750

2

1