SPSS > 使用技巧 > 如何用IBM SPSS Statistics分析两个变量之间的关联度

如何用IBM SPSS Statistics分析两个变量之间的关联度

发布时间:2021-09-08 13: 40: 08

现实中我们常常会遇到对两个分类变量之间是否存在关联进行讨论,如睡眠时间与学习成绩之间是否存在关联、宣传费用与销售量是否存在关联?

对于这种问题,我们是不能通过表面数据进行确定的。但我们可以通过IBM SPSS Statistics(win)中的交叉表功能来确定两个变量之间的关联是否存在。

一、录入数据

消费者的年龄与消费者的购买意愿是否存在关联?相信这是一个多数人都会感兴趣的问题。本文将以一组年龄与购买意愿的数据为例,展示运用IBM SPSS Statistics进行关联性分析的过程与步骤。

图1:示例数据
图1:示例数据

二、对数据进行加权

此时录入进IBM SPSS Statistics的数据是汇总的数据,还不具备使用交叉表分析的条件。在进行交叉表分析之前还需要运用个案加权的功能,对购买数量进行加权。

按照数据-个案加权的步骤进入个案加权对话框。

图2:个案加权
图2:个案加权

选择个案加权依据,将购买数量放入频率变量栏中,点击确定,即可为购买数量进行加权。

图3:为购买数量加权
图3:为购买数量加权

三、交叉表分析

加权完成后,便可进行交叉表分析,在IBM SPSS Statistics中按照分析-描述统计-交叉表的顺序打开交叉表对话框。

图4:打开交叉表的步骤
图4:打开交叉表的步骤

在交叉表对话框中,购买意愿、年龄层次与购买数量初始是在左边的待选框中,需要将购买意愿列入行变量框,将年龄层次列入列变量框,购买数量则不需要变动。

图5:列入变量框
图5:列入变量框

此时为了便于最终结果的检验,需要运用到卡方检测,因此可点击右侧的统计,在展开的交叉表:统计中选择卡方。

图6:选择卡方
图6:选择卡方

点击继续,回到交叉表后再点击确定,即可得到交叉表的分析结果。

图7:检验结果
图7:检验结果

根据卡方检验的结果可知,渐进显著性P为0.369。根据假设检验的规定,若P值大于显著性水平α(显著性水平是估计总体参数落在某一区间内,可能犯错误的概率),则两个变量不存在关联性;反之则存在关联性。假设显著性水平α=0.05,则P=0.369>α=0.05,所以可认为购买意愿与消费者的年龄无关。

现实中存在着很多变量都具有似是而非的关联性,我们可以通过IBM SPSS Statistics的交叉表对这些变量进行分析,挖掘出真正的关联,排除错误的关联,这是非常有意义的。如对教育者而言可通过这个方法找到影响学生学习的真正因素,对生产者而言可以找到影响销量的因素。欢迎访问SPSS中文网站查看学习更多SPSS教程

作者:刘白

展开阅读全文

标签:spss

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交叉表卡方与非参数卡方检验有何区别 SPSS交叉表卡方检验结果解读
在SPSS统计分析中,卡方检验是一种我们经常使用到的非参数方法。但是,其实很多人会混淆“交叉表卡方检验”和“非参数卡方检验”。两者虽然名字十分相似,但是针对的是完全不同的分析场景。接下来我将为大家介绍:SPSS交叉表卡方与非参数卡方检验有何区别,SPSS交叉表卡方检验结果解读的相关内容,帮助大家精准区分方法、读懂检验结果。
2026-04-08
SPSS怎么做插值 SPSS线性插值法补全数据
一条条完整的数据源,能够更好地保障数据分析结果的准确性。但面对成千上万条数据参数,难免会出现数据缺漏或遗失的情况。针对这种情况,我们就可以使用SPSS中的插值和补全数据法。今天我就以SPSS怎么做插值,SPSS线性插值法补全数据这两个问题为例,来向大家讲解一下SPSS中插值的相关知识。
2026-04-08
SPSS多元逻辑回归步骤 SPSS多元逻辑回归结果解读
我们在数据分析的过程中,往往会遇到因变量是多分类定类变量的情况,比如购买决策可以分为“不买、犹豫、购买”,满意度可以分为“不满意、一般、满意”等,这时候,就可以使用多元逻辑回归的方法。它能帮我们明确哪些自变量会影响因变量的分类,还能量化影响程度,实用性很强。下面我将为大家介绍:SPSS多元逻辑回归步骤,SPSS多元逻辑回归结果解读的相关内容。
2026-04-08
SPSS多重共线性怎么看 SPSS如何降低多重共线性
无论是在生活中还是在工作中,分析各种问题时我们都会找到许多原因,例如明天是否会下雨可能会与温度、云量和风速等有关;商品的销售情况与价格、包装、质量和节日有关。生活中我们不必计较原因之间是否有关联,但是在要求精准的商业领域与科研领域,遇到这样的分析情况时,我们都要分析数据的共线性,它描述的是自变量之间的相关关系,如果一个模型中的自变量之间有高度的共线性,就会导致模型失真。本文我们就介绍一下SPSS多重共线性怎么看,SPSS如何降低多重共线性的相关内容。
2026-04-08
SPSS多个自变量散点图怎么做 SPSS怎么画分组散点图
在给原始数据做分析时,散点图可以清晰的帮我们理清变量之间的关系。即使有多个自变量,通过画出对应的散点图也可以帮我们理清变量之间的关联。即使是想对比不同组别之间的差别,分组散点图也可以将数据可视化,便于我们分析。它可以把数据按类别分开,让不同组别的变量关系清晰的展示出来。下面就给大家介绍一下SPSS多个自变量散点图怎么做,SPSS怎么画分组散点图的相关内容。
2026-04-08
SPSS如何做cox回归分析 SPSS cox回归分析结果解读
cox回归分析,我们也可以将它称之为比例风险回归分析。使用这种分析模型,我们可以研究多个要素对样本生存状态的影响。今天我就以SPSS如何cox回归分析,SPSS cox回归分析结果解读这两个问题为例,来向大家讲解一下cox回归分析的详细操作步骤。
2026-04-08

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: