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
︾
微信公众号
读者也喜欢这些内容:
SPSS多元回归分析操作步骤 SPSS多元回归分析结果怎么解读
对于经常需要进行数据分析的小伙伴来说,一款好用的数据分析既可以帮助我们快速对数据进行专业的分析,还可以将分析出来的数据结果进行便捷的导出,方便在科研或者论文的撰写中进行引用。这里给大家介绍一款我自己常用的数据分析软件—SPSS,SPSS凭借自身专业的数据分析功能深受用户的青睐,接下来给大家介绍SPSS多元回归分析操作步骤,SPSS多元回归分析结果怎么解读的具体内容。...
阅读全文 >
SPSS数据分析怎么做样本量 SPSS数据分析实例详解怎么写
在进行数据统计分析之前,了解数据集中的样本量是比较重要的一步。适量的数据集样本量可以让分析更为精准和准确,过多或者过少的数据集样本量都有可能导致分析结果出现偏差,因此在进行数据分析之前,最好了解数据集样本量。下面给大家详细介绍的就是有关SPSS数据分析怎么做样本量,以及SPSS数据分析实例详解怎么写的相关内容。...
阅读全文 >
主成分分析法适用于哪些问题 SPSS主成分分析法详细步骤
主成分分析法适用于哪些问题?主成分分析适用于变量间存在着一定相关关系的多变量问题,以达到使用较少的新变量来代表旧变量的目的。本文会使用具体的例子演示SPSS主成分分析法详细步骤。...
阅读全文 >
回归分析SPSS步骤 回归分析SPSS结果解读
回归分析SPSS步骤,本文会以研究客流量对销售额影响的问题为例具体演示SPSS操作步骤,同时,也会具体进行回归分析SPSS结果解读,并进一步讲解回归分析的其他类型,以帮助加深对回归分析的认识。...
阅读全文 >