SPSS双变量相关性分析Word文件下载.docx

资源描述

《SPSS双变量相关性分析Word文件下载.docx》由会员分享，可在线阅读，更多相关《SPSS双变量相关性分析Word文件下载.docx（3页珍藏版）》请在冰点文库上搜索。

SPSS双变量相关性分析Word文件下载.docx

当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数r。

Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围要广些。

对于服从Pearson相关系数的数据亦可计算Spearman相关系数，但统计效能要低一些。

Spearman相关系数的计算公式可以完全套用Spearman相关系数计算公式，但公式中的x和y用相应的秩次代替即可。

设有n组观察对象，将Xi、Yi（i=1,2，…,n）分别由小到大编秩。

并用Pi表示Xi的秩，Qi表示Yi的秩。

两者秩和为：

Pi=Qi=n（n+1）2

两者平均秩为:

Pave=Qave=（n+1）2

秩相关系数rs计算公式为：

rs=（Pi-Pave）（Qi-Qave）（Pi-Pave）2（Qi-Qave）2

下面以2013年“五一”大学生数学建模大赛为例：

要检验变量之间的相关性，利用SPSS进行双变量相关分析即可。

因附录给出的数据存在许多错误，因此在进行分析前需要进行简单筛选。

由于测量人数较多，直接在EXCEL中将测量数据为0或者过大的行全部删除即可。

为了确定合适的分析类型，我们需要利用SPSS对数据进行正态检验。

通过观察发现，附录中给出的男女体质指标是不一样的，并且通过我们调查，男女体质数据的分布会有很大不同，因此在本问接下来的讨论中，我们把男女分开讨论。

正太检验结果如下表5.1.1.1，Sig>

0.05为符合正态分布：

男生正态性检验

Kolmogorov-Smirnova

Shapiro-Wilk

统计量

Sig.

身高男总

.032

762

.068

.982

.000

台阶测试男总

.120

.906

体重男总

.091

.928

握力男总

.075

.923

肺活量男总

.043

.002

.977

跳远男总

.067

.966

a.Lilliefors显著水平修正

女生正态性检验

身高女总

305

.200*

.997

.770

体重女总

.076

.915

跳远女总

.045

.981

位体前驱女总

.056

.023

.984

台阶测试女总

.109

.919

肺活量女总

.044

.995

.445

*.这是真实显著水平的下限。

表5.1.1.1

经过检验发现，部分数据符合正态分布，部分不符合。

但是作为分析成分的“体重”不满足正态分布，因此我们舍弃了Pearson相关系数分析而选择Spearman秩相关系数分析最为合适。

其模型原理如下：

进行Spearman相关系数ρ的假设检验，H0：

Rho=0时，Prob>

|r|。

以r的绝对值值判断关联程度，其判断标准为表5.1.1.2：