发布时间:2021-02-01 10: 55: 02
在《如何使用SPSS检验两变量间相关关系之散点图》一文中,我们通过散点图研究发现,客流量与销售额之间存在着正相关的关系,而客单价与销售额之间似乎不存在相关关系。
为了进一步验证客单价与销售额之间的关系,同时衡量客流量与销售额之间相关关系的程度,本文将会应用IBM SPSS Statistics的两变量相关检验,探究客单价与销售额、客流量与销售额之间的密切程度。
一、使用的数据介绍
如图1所示,本文使用的是一组包含客流量、销售额、客单价的数据。
二、应用双变量相关检验
如图2所示,依次单击分析-相关-双变量选项,打开双变量相关分析面板。
1. 选择变量
在双变量相关性设置面板中,首先,将要研究的变量添加到右侧变量方框中。
2. 选项设置
然后,单击选项按钮,并在选项面板中勾选“平均值和标准差”的统计项。
3. 相关系数与显著性检验设置
接着,再进行相关系数与显著性检验的设置。
如图5所示,如果数据满足正态分布的话,使用皮尔逊检验结果,否则就应该使用肯德尔或斯皮尔曼检验结果。由于我们仍未进行正态性检验,可以先把所有方法都勾选上。
另外,如果事先知道数据的分布,比如正相关、负相关等,选择单尾检验,否则选择双尾检验。
4. 检验结果解读
完成以上设置后,运行检验。
首先,从描述统计数值中,可以看到各个变量的平均值与标准差。
在查看相关性检验时,需根据数据是否服从正态分布来选取不同的检验结果。如图7所示,对数据应用KS检验来检验数据是否服从正态分布,从其渐进显著性数值看到(均大于0.05),结果不显著,也就是说不能拒绝数据服从正态分布的零和假设(因KS检验的零和假设是数据服从正态分布)。
基于数据服从正态分布的前提,查看皮尔逊相关性检验结果。如图8所示,客流量与销售额的皮尔逊系数为0.92,标注了两个星,说明客流量与销售额相关性强;而客单价与销售额的皮尔逊系数为0.342,也有较强的相关性。
三、小结
综上所述,IBM SPSS Statistics的双变量相关检验,可对两变量间的相关关系进行程度性的测量,以探究两两变量间相关性的强弱。另外,结合使用散点图,可对数据进行快速的相关性预判,辅助说明两变量间的相关性。
如需获取有关散点图的相关介绍,可以查看IBM SPSS Statistics中文网站中的《如何使用SPSS检验两变量间相关关系之散点图》文章。
作者:泽洋
展开阅读全文
︾
读者也喜欢这些内容:
SPSS转换计算变量求和 SPSS转换计算变量求平均值
在进行统计分析时,计算变量是不可避免的。SPSS软件作为一种强大的统计软件,提供了计算变量的功能,能够帮助我们方便地进行数据处理和分析。本文将介绍SPSS转换计算变量求和,SPSS转换计算变量求平均值的内容。...
阅读全文 >
spss回归方程怎么建立 spss回归方程怎么检验
在现代社会中,数据分析已经成为决策、研究和预测的关键工具。SPSS是全球最广泛使用的统计分析软件之一,具有强大的数据处理和分析能力,尤其在回归分析领域表现出色。本文主要介绍如何在SPSS中建立和检验回归方程,帮助初学者和有一定基础的数据分析人员提高在SPSS中进行回归分析的技能。...
阅读全文 >
如何用spss分析两组变量相关性 spss分析两个变量是否有显著差异
在社会科学研究中,分析两组变量之间的相关性和显著差异是非常重要的一步。SPSS软件作为社会科学研究中最常用的数据分析软件之一,具有强大的统计分析功能,能够帮助研究者快速、准确地分析两个变量之间的相关性和显著差异。本文将介绍如何使用SPSS软件分析两组变量的相关性和显著差异。...
阅读全文 >
SPSS缺失值填补原理 SPSS缺失值填补的原则
在使用SPSS对调查的数据资料进行统计分析时,经常会遇到缺失值的问题。如果数据资料中存在缺失值,很可能会影响数据统计结果的正确性,降低数据统计计算的精度,所以一般遇到缺失值都需要对缺失值进行填补处理。为了让小伙伴们更好的理解缺失值,接下来本文将和大家详细讲解,SPSS缺失值填补原理,SPSS缺失值填补的原则。...
阅读全文 >