IBM SPSS Statistics 中文网站 > 使用技巧 > SPSS相关性分析结果怎么看

SPSS相关性分析结果怎么看

发布时间:2021/11/16 14:44:22

   SPSS自问世以来,因功能强大,便于使用,深受用户的喜爱和好评。由于涉及到专业的统计学知识,对于新手来说,SPSS的统计结果并不容易解读,今天向大家介绍如何解读SPSS相关性分析结果。

   SPSS相关性分析包含以下四种方法:卡方检验,Spearman相关系数计算,Pearson相关系数计算和Kendall的Tau-b相关系数计算。

   1.卡方检验(Chi-SquareTest)结果解读

   卡方检验(Chi-SquareTest)是由Pearson提出的一种统计方法,在一定的置信水平和自由度下,通过比较卡方统计量和卡方分布函数概率值,判断实际概率与期望概率是否吻合,进而分析两个分类变量的相关性。

   卡方检验(Chi-SquareTest)适用于不服从正态分布的数据,两组变量是无序的,相互交叉的,并且是可定类的。如图1是某种药物单独使用和药物与放疗同时使用时,治疗是否有效的卡方检验结果。

图1药物疗效卡方检验
图1药物疗效卡方检验

   

   个案处理摘要显示了有效数据和无效数据的数量。VAR00001*VAR00002交叉表显示各变量对应的频数,VAR00001列1代表单独使用药物,2代表药物与放疗同时使用,VAR00002行1代表有疗效的人数,2代表无疗效的人数。

   行列变量为各为二组,自由度为(2-1)×(2-1)=1,Pearsonχ2值为22.475,由于没有单元格期望小于5,所以接受Pearson卡方检验结果,认为实际值和期望值有较大差异。

   显著性数值为0.000小于0.05,有统计学的显著性差异。

   综上两点,不能接受无关假设,具有统计学意义,结论为单独使用药物与药物放疗同时进行有显著性差异。

   2.Pearson相关系数计算结果解读

   Pearson相关系数用于评估两组数据是否符合线性关系,不能用于符合曲线关系的数据,线性相关越强,Pearson相关系数就越接近1(线性递增)或-1(线性递减)。图2为一组数据的线性相关性检验,可以看出,Peason相关系数0.984,表明两者有较强的线性相关性,一般认为<0.3无相关性,0.3~0.7弱相关性,>0.7较强的相关性。

   同时显著性系数(Sig.(双尾))为0.000,小于0.05,两个变量之间相关性有统计学意义。综上认为变量1和变量2强相关。

图2Pearson检验结果
图2Pearson检验结果

   

   3.Spearman相关系数计算结果解读

   Spearman相关系数适用于不满足线性关系,且不满足正态分布的数据,如图3所示,实际这是两组随机产生的数据,用Spearman相关系数计算时,结果为0.257,<0.3无相关性,与Pearson相关系数类似,<0.3不相关,0.3~0.7为弱相关,>0.7为强相关。同时显著性系数(Sig.)为0.623,远远大于0.05,变量间无统计学相关性,综上,认为两组数据不相关。

图3Spearman相关系数计算
图3Spearman相关系数计算

   

   4.Kendall的tau-b(K)相关系数计算结果解读

   进行Kendall的tau-b(K)相关分析,需要满足下列3个条件:

   1.两个变量是有序分类变量;

   2.两个变量相对应的研究对象是一定的。

   例如调查工资与学历之间的关系,两个变量学历和收入都是等级变量,符合条件1;两个变量均对应同一研究对象:一个区域内的所有工作的成年人。符合条件2。收入等级分别为1高收入,2中收入,3低收入,学历等级分别为1高学历,2中等学历,3低学历。结果分析如图4所示。相关系数为0.480,有弱的相关性。但是显著性系数(Sig.)为0.137,大于0.05,认为两者之间无统计学相关性,综上认为学历和收入不相关。

图4Kendalltau-b系数计算
图4Kendalltau-b系数计算

   

   以上是SPSS相关性分析结果怎么看的初步解读,想更深入的学习了解SPSS统计学计算方法及结果解读,可以登录SPSS中文网站进行学习。

   

  作者:莱阳黎曼

标签:SPSS

读者也访问过这里:
SPSS Statistics
一款功能强大的数据统计分析工具
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。
2022-05-07
SPSS线性回归如何预测 SPSS怎么得到预测值
SPSS线性回归预测的主要步骤是通过线性回归分析构建模型,得出线性回归方程,然后对整体效果进行F检验和T检验,证实回归方程的正确性。最后,给定一个自变量值,进行点预测和区间预测。下面,小编具体来介绍一下SPSS线性回归如何预测,SPSS怎么得到预测值的方法。
2022-01-10

咨询热线

在线咨询

限时折扣