SPSS > 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: 42: 19

   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

展开阅读全文

标签:SPSS

读者也访问过这里:
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 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如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
SPSS回归分析中的f值是什么 SPSS回归分析F值在什么范围合适
回归分析中以R表示相关性程度的高低,以F评价回归分析是否有统计学的意义,使用IBM SPSS Statistics进行回归分析,可以非常快速的完成R,F的计算,并且给出回归曲线方程,那么,SPSS回归分析中f值是什么?SPSS回归分析F值在什么范围合适,本文结合实例向大家作简单的说明。
2022-07-22
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
最新文章
SPSS因子载荷值是哪个 SPSS因子载荷系数要大于多少
如果我们研究的问题里面有很多的影响因素,而且每个因素都好像很重要,无法剔除其中的一些元素。在这种情况下,我们常常会引入因子分析的研究方法,因子分析是一种降维的方法,可以将一些相似的元素总结为共性因子,这样我们就能将多个因素减少为少数几个因素。本文会给大家介绍SPSS因子载荷值是哪个,SPSS因子载荷系数要大于多少的相关内容,感兴趣的小伙伴不容错过。
2025-05-08
SPSS清洗数据是什么意思 SPSS清洗数据步骤
在数据统计领域,如果庞杂的数据组存在较多问题,例如组别重复、存在缺失值、数据异常等复杂情况,推荐使用SPSS清洗数据的功能来剔除异常数据,这样可以避免后续数据分析的测算失误。今天,我们以这SPSS清洗数据是什么意思,SPSS清洗数据步骤两个问题为例,带大家了解一下SPSS清洗数据的相关知识。
2025-05-08
SPSS控制变量如何处理 SPSS控制变量是自变量吗
在数据分析阶段,控制变量是对因变量有影响但非研究关注主题的变量,引入控制变量可以更准确测算自变量的影响,通过解释因变量变异的额外来源而减少实验数据的随机误差。今天,我们以SPSS控制变量如何处理,SPSS控制变量是自变量吗这两个问题为例,带大家了解一下SPSS控制变量的相关知识。
2025-05-08
SPSS编码表是什么 SPSS编码表怎么导出
作为一款经典的数据分析软件,相信很多小伙伴们对SPSS都不陌生。使用SPSS能够处理庞大、复杂的数据集,大大提高我们的工作效率。接下来我来为大家介绍SPSS编码表是什么,SPSS编码表怎么导出的相关内容。
2025-05-08
SPSS协变量是什么 SPSS协变量是控制变量吗
在数据收集阶段,当采集的数据繁杂众多,我们可以使用SPSS协变量分析来测算影响重要结果的潜在因素,减少某些变量对实验数据的干扰,由此准确识别多类变量之间的因果关系。今天,我们以SPSS协变量是什么,SPSS协变量是控制变量吗这两个问题为例,带大家了解一下SPSS协变量的相关知识。
2025-05-08
SPSS交互作用分析怎么做 SPSS交互作用分析结果怎么看
在数据统计领域,如果要对数据组多类变量的关系进行研究,我们可以使用SPSS主体间效应分析和交互作用图绘制的功能。当运用了SPSS交互作用的图片绘制和数据测算,我们能够直观清晰地看出不同变量对因变量的影响。今天,我们以SPSS交互作用分析怎么做,SPSS交互作用分析结果怎么看这两个问题为例,带大家了解一下SPSS交互作用的知识。
2025-05-08

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容: