相关分析步骤_精品文档Word文档格式.doc
《相关分析步骤_精品文档Word文档格式.doc》由会员分享,可在线阅读,更多相关《相关分析步骤_精品文档Word文档格式.doc(5页珍藏版)》请在冰豆网上搜索。
Pearson相关系数
Spearman等级相关系数
/
Kendallح系数
卡方值
Pearson卡方值(Chi-Square)
K-S检验是否必须符合正态分布
一双变量相关分析(Pearson、Spearma、Kendall)
1判断使用哪种相关系数,例检验是否满足使用Pearson相关系数的前提要求
2计算样本的相关系数r
按变量类型选择对应的相关系数种类,名义,度量,有序。
一般认为,当相关系数的绝对值大于0.8时,两变量具有较强的线性关系(LinearRelationship);
而相关系数的绝对值小于0.3时,两变量间的线性关系较弱。
3对两个样本来自的总体是否存在显著的线性关系进行判断
显著性检验来证明相关系数的大小是否显著。
1检验是否满足使用Pearson相关系数的前提要求
(1)【分析】——【非参数检验】——【单样本K-S检验】
(2)结果分析
单样本Kolmogorov-Smirnov检验
年均衣着消费
个人年收入
家庭年收入
N
50
51
正态参数a,,b
均值
1.44
1.33
2.25
标准差
.733
.816
1.197
最极端差别
绝对值
.406
.462
.192
正
负
-.274
-.342
-.147
Kolmogorov-SmirnovZ
2.870
3.302
1.372
渐近显著性(双侧)
.000
.046
a.检验分布为正态分布。
.根据数据计算得到。
H0:
样本服从总体的正态分布。
0.046<0.05,拒绝原假设。
单样本检验的结果显示变量不服从正态分布,可以用Pearson相关系数检验变量之间的线性相关程度。
2双变量相关分析
(1)【分析】→【相关】→【双变量】
相关性
Pearson相关性
1
.074
.199
显著性(双侧)
.612
.166
.419**
.002
**.在.01水平(双侧)上显著相关。
附有“**”的相关系数表明在0.01的水平上相关显著。
P值大于显著性水平0.01,则接受原假设,两者相关。
二偏相关分析
1先对各变量进行两两相关分析,计算变量之间的皮尔逊积差相关系数.
2进行偏相关分析,计算在控制其他变量的影响时,两个变量之间的相关程度。
1【分析】→【相关】→【偏相关】
被试的两个变量选入右侧的变量框中,第三方变量选入右侧的控制变量框中。
2结果分析
控制变量
打折消费比
年龄
-无-a
1.000
-.067
.084
.
.640
.558
df
49
.204
.151
-.086
.551
48
a.单元格包含零阶(Pearson)相关。
两者不相关。
上表中的上半部分输出的是变量两两之间的简单相关系数,打折消费比与年龄之间相关系数为-0.067;
表下半部分是偏相关分析的输出结果,第一行为偏相关系数,第二行为相伴概率;
第三行为统计检验的自由度。
剔除个人年收入的影响,打折消费比与年龄之间相关系数为-0.086.所以,在显著性水平下,打折消费比与年龄之间相关性不高。
三距离分析
1“分析”→“相关”→“距离”
距离分析根据距离测度含义的差异,可以分为两种:
相似性测度(Sinilarities)和不相似性测度(Dissimilarities)。
变量间距离是进行不相似性度量,个案间距离是进行相似性度量。
不相似性测度以距离表示,距离的特征值越小越相似,距离越大差别越大;
相似性测度以相似系数表示,相似系数的特征值越大越相似,值越小差别越大。