发布时间:2021-01-19 10: 20: 07
IBM SPSS Statistics偏相关分析,是用于变量间可能会有相互影响的情况中。比如,对三个变量进行相关分析,但发现第一、二个变量与第三个变量之间存在着相关关系,在这种情况下,就要将第三个变量的影响剔除后,再分析第一、二个变量的相关关系。
接下来,我们使用一组门店销售数据,演示一下IBM SPSS Statistics的偏相关分析。
一、使用的数据
如图1所示,示例所用数据包含了销售额、客流量、客单价三个变量。本文假设客单价与销售额、客流量有相关关系,并研究在控制客单价线性影响下,销售额与客流量是否存在相关关系。
二、应用偏相关分析
如图2所示,依次单击分析-相关-偏相关选项,打开偏相关分析设置面板。
如图3所示,可以看到,偏向关性分析设置面板包含了变量与控制两个选项。变量指的是用于分析相关关系的变量;而控制则指的是控制其线性影响的变量。
1.选择变量
按照上文所述的研究目的,分别将销售额、客流量添加到变量,将客单价添加到控制。
2.选项设置
接着,打开选项设置面板,勾选统计数值中的“平均值和标准差”以及“零阶相关性”。
控制一个变量的偏相关分析,称为一阶偏相关分析。而“零阶相关性”,即不进行控制变量设置的分析方法,用以对比控制变量设置后的结果。
3.显著性检验设置
由于我们事先没有进行散点图的制作,无法判断数据存在正相关还是负相关,因此,选择“双尾”的显著性检验。
4.结果解读
完成以上设置后,运行检验。
如图7所示,“无”即不进行变量控制的相关性检验,如需出现该部分内容,必须在选项中勾选“零阶相关性”。
从检验结果看到,在不控制客单价的线性影响下,销售量与客流量存在着显著相关性(显著性设置为0.00<0.05);而在控制客单价的线性影响下,销售量与客流量仍存在着显著相关性(显著性设置为0.00<0.05)。
三、小结
综上所述,IBM SPSS Statistics的偏相关分析,可用于控制对其他变量产生线性影响的变量,以求得更准确的变量间相关关系。
在使用偏相关分析时,建议在选项设置中勾选“零阶相关性”,以对比控制影响变量前后的检验结果。
作者:泽洋
展开阅读全文
︾
读者也喜欢这些内容:
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。...
阅读全文 >
SPSS双因素方差分析数据录入 SPSS双因素方差分析多重比较
进行双因素方差分析时,数据录入和多重比较是两大难点,用户常常会对数据录入比较困惑,不确定如何分组以及定义变量名称,对于双因素方差分析中的多重比较结果也不能恰当的进行解读,如何进行SPSS双因素方差分析数据录入?SPSS双因素方差分析多重比较如何解读?本文结合实例,向大家做详细的解释。...
阅读全文 >
SPSS应用多元逻辑回归解决无序多分类问题
什么是无序多分类?举一个例子,当我们要研究基因突变与疾病之间的关系时,因变量就是疾病的各种分类,如乳癌、胃癌、鳞癌等多种,此时因变量不是简单的患病和不患病,且他们之间是无序的,这就是无序多分类。...
阅读全文 >
spss怎么做逐步回归分析 逐步回归分析spss结果解读
spss怎么做逐步回归分析?逐步回归分析是多元线性回归分析的一种,可通过spss回归分析中的“步进”法来做逐步回归分析。本文会运用例子演示逐步回归分析步骤,并进行逐步回归分析spss结果解读。...
阅读全文 >