第七章 相关分析文档格式.docx
《第七章 相关分析文档格式.docx》由会员分享，可在线阅读，更多相关《第七章 相关分析文档格式.docx（15页珍藏版）》请在冰豆网上搜索。
[例7-1]某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析。
编号
发硒
血硒
1
2
3
4
5
6
7
8
9
10
74
66
88
69
91
73
96
58
13
11
16
14
7.1.2.1数据准备
激活数据管理窗口，定义变量名：
发硒为X，血硒为Y，按顺序输入相应数值，建立数据库（图7.1）。
图7.1原始数据的输入
7.1.2.2统计分析
激活Statistics菜单选Correlate中的Bivariate...命令项，弹出BivariateCorrelation对话框（图7.2）。
在对话框左侧的变量列表中选x、y，点击钮使之进入Variables框；
再在CorrelationCoefficients框中选择相关系数的类型，共有三种：
Pearson为通常所指的相关系数（r），Kendell’stau-b为非参数资料的相关系数，Spearman为非正态分布资料的Pearson相关系数替代值，本例选用Pearson项；
在TestofSignificance框中可选相关系数的单侧（One-tailed）或双侧（Two-tailed）检验，本例选双侧检验。
图7.2相关分析对话框
点击Options...钮弹出BivariateCorrelation:
Options对话框（图7.3），可选有关统计项目。
本例要求输出X、Y的均数与标准差以及XY交叉乘积的标准差与协方差，故选Meansandstandarddeviations和Cross-productdeviationsandcovariances项，而后点击Continue钮返回BivariateCorrelation对话框，再点击OK钮即可。
图7.3相关分析统计对话框
7.1.2.3结果解释：
在结果输出窗口中将看到如下统计数据：
变量X、Y的例数、均数与标准差，变量X、Y交叉乘积的例数、标准差与协方差；
XY两两对应的相关系数及其双侧检验的概率，本例r=0.8715，P=0.001。
VariableCasesMeanStdDev
X1075.400012.2945
Y1010.80003.3267
VariablesCasesCross-ProdDevVariance-Covar
XY10320.800035.6444
XY
X1.0000.8715
（10）（10）
P=.P=.001
Y.87151.0000
P=.001P=.
（Coefficient/（Cases）/2-tailedSignificance）
"
."
isprintedifacoefficientcannotbecomputed
第二节Partial过程
调用此过程可对变量进行偏相关分析。
在偏相关分析中，系统可按用户的要求对两相关变量之外的某一或某些影响相关的其他变量进行控制，输出控制其他变量影响后的相关系数。
[例7-2]某地29名13岁男童身高（cm）、体重（kg）和肺活量（ml）的数据如下表,试对该资料作控制体重影响作用的身高与肺活量相关分析。
身高（cm）
体重（kg）
肺活量（ml）
12
15
135.1
139.9
163.6
146.5
156.2
156.4
167.8
149.7
145.0
148.5
165.5
135.0
153.3
152.0
160.5
32.0
30.4
46.2
33.5
37.1
35.5
41.5
31.0
33.0
37.2
49.5
27.6
41.0
47.2
1750
2000
2750
2500
1500
2250
3000
1250
17
18
19
20
21
22
23
24
25
26
27
28
29
153.0
147.6
157.5
155.1
143.0
149.4
160.8
159.0
158.2
150.0
144.5
154.6
156.5
40.5
43.3
44.7
37.5
31.5
33.9
40.4
38.5
36.0
34.7
39.5
7.2.2.1数据准备
身高为height，体重为weight，肺活量为vc，按顺序输入相应数值，建立数据库。
7.2.2.2统计分析
激活Statistics菜单选Correlate中的Partial...命令项，弹出PartialCorrelations对话框（图7.4）。
现欲在控制体重的影响下对变量身高与肺活量进行偏相关分析，故在对话框左侧的变量列表中选变量height、vc，点击钮使之进入Variables框，选要控制的变量weight，点击钮使之进入Controllingfor框中,在TestofSignificance框中选双侧检验，然后点击OK钮即可。
图7.4偏相关分析对话框
7.2.2.3结果解释
在结果输出窗口中将看到如下统计数据：
控制体重的影响后，身高与肺活量的相关系数为0.0926，经检验P=0.639，故身高与肺活量的线性相关不存在。
（如果不控制体重的影响，则身高与肺活量的相关系数为0.5884，P为0.001。
在有控制的情况下，身高与肺活量的决定系数=r2=0.00857，而无控制的身高与肺活量决定系数=r2=0.34621，可见身高与肺活量的相关有33.764%是由体重协同作用而产生的。
）
Controllingfor..WEIGHT
HEIGHTVC
HEIGHT1.0000.0926
（0）（26）
P=.P=.639
VC.09261.0000
（26）（0）
P=.639P=.
（Coefficient/（D.F.）/2-tailedSignificance）
如果控制变量改为身高，则得如下结果：
体重与肺活量的相关系数为0.5528，经检验P=0.002，故体重与肺活量的线性相关存在。
可见，尽管肺活量与身高和体重均有关系，但如果仅仅研究其中一个变量与肺活量的相关关系时，体重的意义会更大。
Controllingfor..HEIGHT
VCWEIGHT
VC1.0000.5528
P=.P=.002
WEIGHT.55281.0000
P=.002P=.
第三节Distances过程
调用此过程可对变量内部各观察单位间的数值进行距离相关分析，以考察相互间的接近程度；
也可对变量间进行距离相关分析，常用于考察预测值对实际值的拟合优度。
[例7-3]某医师对10份标准血红蛋白样品作三次平行检测，结果如下，问检测结果是否一致？
样品号
第一次
第二次
第三次
12.36
12.40
12.18
12.14
12.20
12.22
12.31
12.28
12.35
12.32
12.25
12.21
12.12
12.10
12.34
12.24
12.41
12.30
12.46
12.33
12.17
12.11
7.3.2.1数据准备
第一次测量值为HB1，第二次测量值为HB2，第三次测量值为HB3，输入相应数值即完成。
7.3.2.2统计分析
激活Statistics菜单选Correlate中的Distance...命令项，弹出Distance对话框（图7.5）。
在对话框左侧的变量列表中选变量hb1、hb2、hb3，点击钮使之进入Variables框。
在ComputeDistances框中有两个选项，Betweencases表示作变量内部观察值之间的距离相关分析，Betweenvariables表示作变量之间的距离相关分析，在本例中，因三次平行测量结果分别置于三个变量中，故选择后者。
图7.5距离相关分析对话框
在Measure栏中有两种测距方式：
Dissimilarities为不相似性测距，Similariti
升级会员 