SPSS > 使用技巧 > 常用的SPSS相关性分析方法

常用的SPSS相关性分析方法

发布时间:2021-11-04 11: 02: 54

   相关性分析旨在分析两组数据之间是否相互影响,彼此是否独立的变动。SPSS内部提供了多种分析数据相关性的方法:卡方检验(Chi-SquareTest),Pearson相关系数计算,Spearman相关系数计算和Kendall的tau-b(K)相关系数计算。这四种分析方法适用于不同的数据类型,下面向大家介绍常用的SPSS相关性分析方法。

   1.卡方检验(Chi-SquareTest)

   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。使用SPSS进行卡方检验的操作方法,大家可以登录SPSS中文网站进行学习,这里仅作原理性的介绍。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某地某种疾病发病人数统计
图1某地某种疾病发病人数统计

  

   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,显著性数值为0.000小于0.05,有显著性差异,不能接受无关假设,即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

   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。

图2Pearson检验结果
图2Pearson检验结果

   3.Spearman相关系数计算

   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。

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

   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。

图4Kendalltau-b系数计算
图4Kendalltau-b系数计算

   对于不同种类的数据,应采用不同的统计方法进行相关性分析,SPSS内置了丰富的统计计算功能,可以充分满足不同统计数据的使用需求。

   

  作者:莱阳黎曼

展开阅读全文

标签:IBM SPSS相关性分析方法

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拆分文件有什么用 SPSS拆分文件和拆分为文件的区别
在数据分析领域,如果对繁杂数据进行分类或者排序,我们不仅能够采用对文字变量赋值的方法,还可以尝试SPSS拆分文件的方式,根据拆分文件的标准来自动分类和排序。本文以 SPSS拆分文件有什么用,SPSS拆分文件和拆分为文件的区别这两个问题为例,详细介绍一下SPSS拆分文件的相关知识。
2025-06-24
SPSS做时间序列预测模型怎么做 SPSS时间序列预测模型结果分析
在数据分析领域,如果需要根据时间序列观察数据的发展过程和趋势,研究者通常运用SPSS时间序列来制作预测模型,进而类推或预测下一个时间段或若干年内的数值水平。本文以SPSS做时间序列预测模型怎么做,SPSS时间序列预测模型结果分析这两个问题为例,带大家了解一下SPSS时间序列的相关知识。
2025-06-24
SPSS多重响应分析怎么做 SPSS多重响应分析多选题应该怎么得出结论
在数据分析领域,如果想对附带多个选项或者多种属性的问卷数据进行分析,推荐使用SPSS多重响应分析来计算数据选项或属性的占比,这种方法能够更好适用于繁杂数据集的分析。今天,我们以SPSS多重响应分析怎么做,SPSS多重响应分析多选题应该怎么得出结论这两个问题为例,带大家了解一下SPSS多重响应的知识。
2025-06-23
SPSS克隆巴赫系数怎么算单个维度的数量 SPSS克隆巴赫系数怎样提高
在想要检验问卷题项的设计是否合理的时候,我们可以通过SPSS功能应用来计算克隆巴赫系数,进而判断问卷的各类题目是否在测量同一种概念或特质,由此修改和剔除某些存有问题的问卷项目。今天,我们以SPSS克隆巴赫系数怎么算单个维度的数量,SPSS克隆巴赫系数怎样提高这两个问题为例,带大家了解一下SPSS信度分析的知识。
2025-06-23
SPSS缺失值什么意思 SPSS缺失值设置方法
在数据统计分析中,缺失值是比较常见的问题之一,遇到缺失值的时候,需先判断其类型,再决定是否处理,因为并非所有缺失值都需要进行处理。下面将介绍缺失值的相关内容,SPSS缺失值什么意思,SPSS缺失值设置方法。
2025-06-20
SPSS数据导入是什么意思 SPSS数据导入后显示不完整
在使用SPSS进行数据集分析的时候,可以通过导入数据功能将数据集整体导入到SPSS中,使用起来非常的方便,不过在导入数据集的时候,也会遇到一些问题,例如数据导入不进去、导入进去的数据不完整等等,下面给大家详细讲解有关SPSS数据导入的内容,SPSS数据导入是什么意思,SPSS数据导入后显示不完整。
2025-06-20

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: