发布时间:2022-03-31 14: 14: 18
品牌型号:DellN5010
系统:Windows7
软件版本:SPSS试用版
SPSS软件可以进行数据的相关性分析,判断两组数据之间是否存在联系,相互影响或者服从某种分布。相关性常常以相关性系数评价,那么SPSS相关性系数怎么看?SPSS如何求相关系数?本文以最典型的线性相关分析Pearson统计为例,向大家介绍SPSS相关性分析的步骤以及结果解读。
1.SPSS相关性系数怎么看
Pearson统计用于评估两组数据是否符合线性关系,两组数据线性相关性越强,Pearson相关系数就越接近1(线性递增)或-1(线性递减)。一般认为,Pearson相关系数<0.3无相关性,0.3~0.7弱相关性,>0.7较强的相关性。图1为一组数据的线性相关性检验,Peason相关系数0.984,表明两者有较强的线性相关性。
需要注意的是,关注相关系数的同时需要关注显著性系数,显著性系数小于0.05,两者呈线性相关的概率高于0.95,有统计学意义,本例中显著性系数(Sig.(双尾))为0.000,小于0.05。综合考虑认为变量1和变量2呈线性相关。
2.SPSS如何求相关系数
仍然以Pearson统计为例,向大家讲解SPSS相关系数求解方法,打开SPSS软件以后,输入需要进行统计计算的数据,如图2所示。
Pearson统计为相关性分析,可通过SPSS的“相关”统计计算功能实现,我们依次点击分析-相关-双变量,打开统计计算界面。
在图4所示的计算界面中我们需要将统计数据添加至变量中,如第一步所示,然后我们选择皮尔逊(Pearson)相关系数,点击确定,SPSS将进行Pearson统计计算,计算结果如图1所示。
3.关于SPSS的相关性系数
上文提到除了Pearson(皮尔逊)相关系数,还有Spearman(斯皮尔曼)相关系数和Kendalltau-b(K)(肯德尔),如图4所示,他们之间有什么不同呢,用户如何根据数据类型进行选择呢?这里可以告诉大家一个小技巧,Pearson相关系数并没有考虑数值的顺序性,而Spearman和Kendall相关系数考虑到了数值的顺序性,这在两者的计算公式中有所体现,Spearman和Kendall的计算公式对数据进行了分级运算,感兴趣的用户可以自行查阅,因此对依赖于顺序的统计,建议大家使用Spearman和Kendall相关系数进行计算。不依赖于顺序的统计数据,大家可以采用Pearson相关系数计算。
SPSS的相关性系数怎么看,需要结合相关系数计算结果和显著性水平,以Pearson统计为例,Pearson相关系数绝对值越接近1,同时显著性系数小于0.05,说明两组数据符合统计学的线性相关,SPSS如何求相关系数,可在SPSS的相关功能中进行求解,对于双变量,SPSS提供了皮尔逊,肯德尔Tau-b(k)和斯皮尔曼三种相关性分析功能,用户可以根据数据类型进行科学的选择。
作者:莱阳黎曼
展开阅读全文
︾
读者也喜欢这些内容:
spss检验有几种类型 spss检验一个变量是否受另一个影响
统计分析工作中,假设检验问题是非常重要的一类问题,即在不知道总体分布的前提下,为了推断总体的某些特征,提出的对总体的假设。那么SPSS检验有几种类型,SPSS检验一个变量是否受另一个影响如何操作?本文结合实例向大家作简单介绍。...
阅读全文 >
spss矩阵散点图怎么做 spss矩阵散点图怎么看相关性
随着经济社会的发展,人们愈加重视数据的作用,数据可视化作为应用的热点,已经渗透到生产生活的各个方面。矩阵散点图可以直观反映多变量间相互关系,是数据可视化的具体应用。关于SPSS矩阵散点图怎么做,SPSS矩阵散点图怎么看相关性,本文借助实例向大家作简单介绍。...
阅读全文 >
spss卡方检验结果线性关联是什么 spss卡方检验结果没有连续性校正
对于两组连续性变量,一般通过回归分析判断两者是否存在相关关系。对于离散型变量,则需借助卡方检验判断两者之间是否存在相关关系。变量数据类型不同,SPSS卡方检验提供的结果形式也有所不同,因此很多用户会感到不解。本文结合实例向大家介绍SPSS卡方检验结果线性关联是什么,SPSS卡方检验结果没有连续性校正原因是什么。...
阅读全文 >
spss线性回归图怎么做 spss线性回归图怎么看结果
借助回归分析,我们可以了解到两组变量是否存在具有统计学意义的依赖关系,描述这种依赖关系的方程是什么,方程可以在多大程度上解释因变量的变化。使用SPSS,不仅可以简便的完成回归分析,还可以为变量绘制散点图,便于大家直观的了解变量间关系。关于SPSS线性回归图怎么做,SPSS线性回归图怎么看结果,本文借助实例,向大家做简单的介绍。...
阅读全文 >