IBM Business Partner

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分析结果

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
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进行变量赋值的相关操作
变量和个案是IBM SPSS数据界面很重要的两个部分,可以形象理解为地球仪上的经线和纬线。通俗一点讲数据界面的每一列是一种变量,如年龄性别等。一行中的所有变量又构成了一个个案,本篇文章着重讲解变量,个案就不做过多展开。在图1中有具体的标注,可以看一下变量和个案到底是什么样。
2021-02-23
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
如何使用SPSS检验数据是否服从正态分布—偏度峰度系数
在《如何使用SPSS检验数据是否服从正态分布—KS检验与Q-Q图》一文中,我们了解了如何使用KS检验、Q-Q图来验证数据的正态性。接下来,本文将会继续讲解如何使用IBM SPSS Statistics的描述统计(偏度峰度系数)、探索统计检验(正态检验)数据的正态性。
2021-01-07
如何用SPSS计算个人BMI值?
BMI即体重指数,是衡量个人身体质量的一个重要参数,通过判断BMI的数值大小,我们可以判断个人身高与体重是否协调。下面我将用IBM SPSS Statistics来为大家介绍BMI的计算方法。
2021-03-19
使用SPSS进行回归分析的方法总结
IBM SPSS Statistics 是强大的统计软件平台,SPSS全称Statistical Product and Service Solutions(统计产品与服务解决方案), SPSS可以帮助我们分析并更好地了解数据,以解决复杂的业务和研究问题。如今,SPSS已经被广泛运用于数据分析等各个领域。
2021-03-09