|
- UID
- 1029342
- 性别
- 男
|
例：学生每天学习时间T与学习综合成绩G之间的相关性
原始数据
T G
1.1 | 54 | 1.5 | 60 | 2.2 | 62 | 3 | 70.1 | 3.4 | 74 | 4 | 74.5 | 4.2 | 77 | 5.5 | 81.5 | 5.9 | 85 | 6 | 85.5 | 6.5 | 86.2 | 8 | 90 |
G=f(T),其中T为自变量，G为因变量
step1：建立数据文件 file——new——data；
定义变量 选中左下角菜单Variable view，输入变量名T，其他选项不变，令起一行，输入变量
名G其他选项不变，切换到data view（在左下角），将数据复制进去。
Step2：进行数据分析：在spss最上面菜单里面选中Analyze——correlate——bivariate（双变量）
左边包含G，T的框为源变量框，后面的空白框为分析变量框，我们现在需要分析G和T的关系，因此将源变量框中的G和T选进分析变量框待分析。
（1）correlation coefficients（相关系数）包括三个选项：
Pearson：皮尔逊相关，计算连续变量或是等间距测度的变量间的相关分析；
Kendall：肯德尔相关，计算等级变量间的秩相关；
Spearman：斯皮尔曼相关，计算斯皮尔曼秩相关。
注：Pearson可用来分析①分布不明，非等间距测度的连续变量
Kendall可用来分析①分布不明，非等间距测度的连续变量，②完全等级的离散变量，③数据资料不服从双变量正态分布或总体分布型未知。第②种情况只能用Kendall分析
Spearman可用来分析数据资料不服从双变量正态分布或总体分布型未知
（2）Test of significance选项
Two-tailed：双尾检验，如果事先不知道相关方向（正相关还是负相关）则可以选择此项；
One-tailed：单尾检验，如果事先知道相关方向可以选择此项。
（3）Flag significantcorrelations：表明显著水平，如果选择此项，输出结果中在相关系数值右上方使用*标示显著性水平为5%，用**标示其显著性水平为1%
首先使用pearson，two-tailed（下图），点击右侧options
statistics为统计量，包括均值和标准差 叉积离方差和协方差
missing values 选择默认
点击continue——ok
输出结果（下图）
相关系数为0.975，显著性p=0.000<0.01,有统计学意义
选用Kendall 肯德尔，结果如下：
选用spearman 斯皮尔曼，结果如下：
画散点图：选中Graphs——Scatter/dot-----Simplescatter------define
 |
|
