SPSS双变量相关性分析

数学建模SPSS双变量相关性分析

关键词：数学建模相关性分析SPSS

摘要：在数学建模中，相关性分析是很重要的一部分，尤其是在双变量分析时，要根据变量之间的联系建立评价指标，并且通过这些指标来进行比对赋值而做出评价结果。本文由数学建模中的双变量分析出发，首先阐述最主要的三种数据分析：Pearson系数，Spearman系数和Kendall系数的原理与应用，再由实际建模问题出发，阐述整个建模过程和结果。

r s=∑(P i‒P ave)(Q i‒Q ave)∑(P i‒P ave)2(Q i‒Q ave)2

n d

A

l l t h i n

g 在SPSS 中打开数据，点击：分析—>相关—>双变量，打开对话窗口，选择需要分析的两个变量、Spearman 秩相关系数分析以及双侧检验。

需要说明两点：

（1）因各体重与各体质数据之间的相关性正负未知，需选用双侧检验；（2）除了数据满足非正态分布以外，Spearman 秩相关系数分析还需要数据分级，以计算秩。但在SPSS 中程序会自动生成秩，无需再手动分级。

注意要保证总体相关系数ρ与样本相关系数r 保持一致，还须考虑Sig 值。

由数据，Sig<0.5表示接受原假设，即Rho>|r|。Sig<0.5则拒绝原假设，两者不相关。而r 值则代表了正负相关性，以及相关性大小。结果见表

男生女生体重与体质健康相关性

男生

女生

项目相关性相关系数相关程度项目相关性相关系数相关程度身高

正相关0.381中等相关身高

正相关0.416中等相关肺活量正相关0.377中等相关

肺活量正相关0.23

低相关台阶测试不相关　

　台阶测试不相关　

跳远负相关-0.071极低/不相关跳远负相关-0.115低相关体重

握力

正相关

0.329

中等相关

体重

坐位体前驱

不相关