快捷搜索:

用spss做多组两两相关性分析_两个变量间的线性相关关系(SPSS:线性相关分析)...

相关分析能够解决的问题:

· 父母的身高和孩子的身高是否有关?一般情况,父母的身高越高,孩子的身高是不是也会越高?

· 跳远成绩与短跑速度是否有关?一般情况,短跑速度越快,跳远成绩是不是也会越好?


用相关系数 r 表示两个变量之间的相关程度和方向。

a. 零相关:r=0

b. 正相关:0<r<1

c. 完全正相关:r=1

d. 负相关:-1<r< 0

e. 完全负相关:r=-1

|r|越大,相关关系越密切

|r|越小,相关关系越不密切


案例:

不同姿势投掷手榴弹成绩的相关分析

测试对象:大学1-4年级学生共58人。

测试内容:身高、体重、肺活量、体质健康分数,站立、半蹲、匍匐三种姿势投掷手榴弹的成绩。

研究目的:探索不同姿势投掷手榴弹成绩的相关性,以及成绩的影响因素。

部分数据:

图1

图1

1.首先探索站立与半蹲投掷成绩的相关性?

站立时投掷的越远,是不是半蹲时也会投掷的越远?

散点图和拟合直线初步探索两个变量的关系:

SPSS步骤:图形-散点图-简单散点图(X轴输入"半蹲",Y轴输入"站立")。点击"确定"。

图2

图2

基本分布情况:半蹲投掷成绩越高,则站立投掷成绩也越高。

(1)服从双变量正态分布时,采用Pearson积差相关系数。

SPSS步骤:1)分析-相关-双变量

图3

图3

2)把"站立"、"半蹲"投掷成绩选入"变量"列表。

勾选相关系数"皮尔逊"(就是Pearson积差相关系数)。点击"确定"。

图4

图4

3)SPSS结果:

图5

图5

结果判断方法:

P>0.05时,不存在相关关系。

P≤0.05时,存在相关关系。此时,|r|越接近1,则相关关系越密切。

结果:站立和半蹲投掷手榴弹的成绩存在很高的正相关关系(r=0.930, P<0.05)。

(2)不服从双变量正态分布时,采用Spearman秩相关系数。

勾选相关系数"斯皮尔曼"(就是Spearman秩相关系数)。点击"确定"。

图6

图6

SPSS结果:

图7

图7

结果判断方法同上。

结果:站立和半蹲投掷手榴弹的成绩存在很高的正相关关系(rs=0.896,P<0.05)。

2.同时探索多个变量间的相关性?(构建相关矩阵)

"变量"列表选入多个变量。

相关系数同时勾选"皮尔逊"和"斯皮尔曼"。

点击"确定"。

图8

图8

Pearson积差相关系数结果:

图9

图9

Spearman秩相关系数结果:

图10

图10

图9、图10为多个变量两两之间相关系数矩阵,关于红线对称分布。大家可以根据前面的内容自行解释结果。

相关分析能够解决的问题: · 父母的身高和孩子的身高是否有关?一般情况,父母的身高越高,孩子的身高是不是也会越高? · 跳远成绩与短跑速度是否有关?一般情况,短跑速度越快,跳远成绩是不是也会越好? 用相关系数 r 表示两个变量之间的相关程度和方向。 a. 零相关:r=0 b. 正相关:0<r<1 c. 完全正相关:r=1 d. 负相关:-1<r< 0 e. 完全负相关:r=-1 |r|越大,相关关系越密切 |r|越小,相关关系越不密切 案例: 不同姿势投掷手榴弹成绩的相关分析 测试对象:大学1-4年级学生共58人。 测试内容:身高、体重、肺活量、体质健康分数,站立、半蹲、匍匐三种姿势投掷手榴弹的成绩。 研究目的:探索不同姿势投掷手榴弹成绩的相关性,以及成绩的影响因素。 部分数据: 图1 1.首先探索站立与半蹲投掷成绩的相关性? 站立时投掷的越远,是不是半蹲时也会投掷的越远? 散点图和拟合直线初步探索两个变量的关系: SPSS步骤:图形-散点图-简单散点图(X轴输入"半蹲",Y轴输入"站立")。点击"确定"。 图2 基本分布情况:半蹲投掷成绩越高,则站立投掷成绩也越高。 (1)服从双变量正态分布时,采用Pearson积差相关系数。 SPSS步骤:1)分析-相关-双变量 图3 2)把"站立"、"半蹲"投掷成绩选入"变量"列表。 勾选相关系数"皮尔逊"(就是Pearson积差相关系数)。点击"确定"。 图4 3)SPSS结果: 图5 结果判断方法: P>0.05时,不存在相关关系。 P≤0.05时,存在相关关系。此时,|r|越接近1,则相关关系越密切。 结果:站立和半蹲投掷手榴弹的成绩存在很高的正相关关系(r=0.930, P<0.05)。 (2)不服从双变量正态分布时,采用Spearman秩相关系数。 勾选相关系数"斯皮尔曼"(就是Spearman秩相关系数)。点击"确定"。 图6 SPSS结果: 图7 结果判断方法同上。 结果:站立和半蹲投掷手榴弹的成绩存在很高的正相关关系(rs=0.896,P<0.05)。 2.同时探索多个变量间的相关性?(构建相关矩阵) "变量"列表选入多个变量。 相关系数同时勾选"皮尔逊"和"斯皮尔曼"。 点击"确定"。 图8 Pearson积差相关系数结果: 图9 Spearman秩相关系数结果: 图10 图9、图10为多个变量两两之间相关系数矩阵,关于红线对称分布。大家可以根据前面的内容自行解释结果。
经验分享 程序员 微信小程序 职场和发展