【SPSS】简单相关分析 |
您所在的位置:网站首页 › 简单相关分析的spss操作流程 › 【SPSS】简单相关分析 |
![]() 马克思说联系是普遍的,世界上一切事物都处于普遍联系之中!相关就是联系的一种。谈到相关,肯定是至少两个变量间的关系,一个变量是无所谓相关的。根据两个变量的类型不同,在考察相关时用到的相关指标也会不同。一般相关系数在0~1或者-1~1之间,绝对值越大,相关性越强,如有正负号,正负号仅代表相关的方向。 (1)两个名义变量(定性资料/无序分类资料):列联系数C、Phi和Cramer’s V、λ(lambda)、不确定系数。当然,如果分组变量为有序变量,指标变量为无序变量也应归入此类;(2)两个等级变量(有序分类资料):γ(Gamma)、τa(Kendall’Tau-a)、τb(Kendall’Tau-b)、τc(Kendall’Tau-c)、Somer’s d;(3)两个连续变量(定量资料):Pearson相关系数(积差相关系数)、Spearman相关系数。Pearson相关分析要求两连续变量服从双变量正态分布,如果条件不满足则可以使用Spearman相关,另外Spearman相关系数也可用于以下两种情况:①一个变量为连续变量,另外一个变量为等级变量;②两个变量均为等级变量;(4)名义变量与连续变量:η(Eta);(5)其他:kappa、OR/RR、McNemar。在SPSS中,好多菜单可以实现相关分析,比如在【1】相关:Analyze>>Correlate>>Bivariate… 【2】交叉表统计量:Analyze>>Descriptive Statistics>>Crosstabs… [Statistics…]按钮打开对话框如下 【3】线性回归:Analyze>>Regression>>Linear… [Statistics…]按钮:选中Covariance matrix可获得自变量间的相关系数。选中Part and partial correlations可获得0介相关、部分相关和偏相关,自变量与因变量的0介相关是等同两者的Pearson相关。 ![]() 【1】数据录入:共三个变量:id,age,Uc,具体略。 【2】构建散点图大体考察线性趋势及异常点:Graphs>>Chart Bulider,选择散点图/点图(Scatter/Dot),双击散点图(Simple Scatter),将age拖入横坐标X-Axis?,将Uc拖入纵坐标Y-Axis?,OK。散点图结果显示:age和Uc大体呈线性,也无明显的异常点。【3】双变量正态分布:SPSS中并未给出多元正态分布的检验方法,可采用STATA或者R进行检验,可参考文章《多元正态分布的检验》、《多元正态分布检验的R实现方法》。 以R为例,采用mshapiro.test {mvnormtest}命令代码如下: library(foreign) #调用程序包foreign tvDescriptive Statistics>>Explore… 将年龄和尿肌酐含量选入因变量框,[Plot…]选中带检验的正态分布图。 结果显示,不论KS还是SW检验,两个变量P均>0.05,数据均成正态分布。 【4】简单相关分析:Analyze>>Correlate>>Bivariate… 将要分析的变量肺活量和胸围选入变量窗口; 相关系数默认是Pearson,我们同时选中Spearman; 默认双尾检验和标注显著的相关; [Options…]中选中均值和标准差、离均差交叉乘积和协方差。 相关分析显示,尿肌酐含量和年龄积差相关系数(即Pearson相关系数)是0.882,P=0.004 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |