IBM SPSS Statistics常用的相关性分析方法

灵活运用IBM SPSS Statistics做数据的统计和分析是每个数据分析师都应该掌握的技能，这款软件为用户提供了全面的数据分析方法，可以解决我们在数据分析过程中遇到的各种难题。

接下来小编就为大家介绍一下SPSS相关性分析的方法。

一、概述

相关关系就是现象间不严格的依存关系，即各变量之间不存在确定性的关系，按相关程度从强到弱，有完全相关、不完全相关、不相关之分；按变量之间的相关方向有正相关和负相关之分。

对于大部分分析对象来说，不完全相关的情况比较多。

相关性分析用于描述两个变量之间的密切程度，反映当一个变量被控制时，另一个变量的变化程度。

相关系数的取值范围在-1到1之间，绝对值越大，相关性越强。

二、分析方法

在“分析”——“相关”列表中，SPSS为用户提供了三种相关性分析的方法，分别是积差相关、偏相关和距离相关。

1.积差相关

点击“双变量”，可以进入积差分析窗口。

将待分析的变量添加到右侧变量框中，比如说要分析学生的数学成绩和物理成绩有无相关性，就将这两个变量移入变量框中。

点击“选项”可设置统计内容和个案排除方法。

设置完成后点击“确定”，就可以开始积差分析了。

此类方法适用于正态分布的成对数据，变量最好是连续的、有线性关系。

2.偏相关

偏相关分析可以在多个变量中剔除多余影响，仅分析特定两个变量之间的关系。

比如说要分析肺活量与身高的关系，就要排除体重的影响，这时需要将待分析的变量（身高和肺活量）移入上侧的变量框中，将体重移入下侧的控制框中。

这就是使用偏相关分析的基本方法：确认待分析变量，排除其他多余变量。

3.距离分析

当数据中有多个变量，每个变量都含有一定信息，但彼此无法重叠，偏相关的方法就不适用了，可以使用距离分析。

距离分析是一种广义的分类，即在分析过程中将距离小的变量分为一类，将距离大的个案归为其他类，进而为其他更复杂的数据分析打下基础。

同样以身高、体重、肺活量的检测数据作为案例，如果要分析哪些学生在这三个变量上的取值更为接近，可以使用距离分析。

将身高、体重和肺活量三个变量移入变量框中，下方的个案标注依据可以移入编号，也可以不移入，如果要移入变量，请确定已将其更改为字符串变量，否则无法移入。

选择“个案间”和“相似性”，点击“测量”，选择“区间”中的“皮尔逊相关”，点击“继续”——“确定”，SPSS将为我们完成距离相关性的分析。

三、小结

这里小编整理了三种在IBM SPSS Statistics中进行相关性分析的方法，分别是积差相关分析、偏相关分析和距离相关分析，其中前两者的应用概率更大一点，大家可以着重关注。

希望今天的分享可以对大家有所帮助！

作者：参商