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

《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。