SPSS相关分析PPT课件
合集下载
SPSS统计分析第章相关分析(共26张PPT)
7.3 偏相关分析
(4) SPSS实现举例
【例7-3】 下表是四川绵阳地区3年生中山柏的数据，分析月生长 量与月平均气温、月降雨量、月平均日照时数、月平均湿度4个气 候因素中哪些因素有关。
月 份
月生 月平均 长量 气温
月降 雨量
月平均日 照时数
月平均 湿度
月份
月生 长量
月平均 气温
月降 雨量
月平均日 月平均 照时数 湿度
方位或大小等）。定序变量的相关系数用斯皮尔曼（Spearman）相关系 数和肯德尔（Kendall’s ）相关系数来衡量。
Spearman相关系数及Z统计量
n
6
D
2 i
r
1
i1
n (n 2
1)
Z r n1
Kendall’s等级相关系数 及Z统计量
(UV) 2
n(n1)
Z
9n(n 1) 2(2n 5)
7.4 距离分析
相似性测度
对于定距数据主要使用皮尔逊相关系数和夹角余弦距离; 对于二值数据的相似性测度主要包括简单匹配系数、Jaccard相似性 指数、Hamann相似性测度等20余种。
其中的距离又分为个案（观测记录）之间的距离和变量之间的 距离两种。
(3) 分析步骤
距离分析中不存在假设检验问题，主要是通过SPSS自动计算
Spearman相关系数及Z统计量
Pearson 相关性
偏相关分析的任务就是在研究两个变量之间的线性相关关系时控制可能对其产生影响的变量，这种相关系数称为偏相关系数。
当≤|r时视为中度相关；
r r r r r r r r 当其偏|中相r时的 关说x距分y明离析,变z又的量分任之为务间个就的案是相（在关观研性测究x很记两y弱录个。）变2之量间之xz的间距的y离线z 和性变相2量关之关间系的时距控离制两可x种能y,。对z1其z2产生影响的变量x，y,这z1种2相关系xz数1称,z为2偏y相z2关,2系z1数。
SPSSPPT学习课件PPT课件
地位欲 .818** .001 12
1.000 . 12
从表中可看出，权威主义和地位欲的相关系数为0.818， 这表明权威主义越高的人地位欲也越高。权威主义与地位 欲不相关的假设检验值为0.001，否定假设，即权威主义与 地位欲是相关的。
2021/6/22
1
11
第11页/共128页
（三）、有序变量的Kendall分析实例
2、非参相关分析
如果数据不满足正态分布的条件，应使用Spearman 和Kendall 相关分析方法
1）Spearman相关系数是Pearson相关系数的非参形式，是根据数 据的秩而不是根据实际值计算的。它适合有序数据或不满足正态分 布假设的等间隔数据。计算时，必须对连续变量值排秩，对离散变 量排序。其计算公式为：
2021/6/22
1
12
第12页/共128页
自己动手啊！！！
链接
实践8-1
下列数据为12 位学生的体重与 血压，现要了解 学生的体重与血 压是否相关。
数据文件见 “课堂练 习”8章中的 “相关1.sav”
编号
1 2 3 4 5 6 7 8 9 10 11 12
体重
68 48 56 60 83 56 62 59 77 58 75 64
表8－1 连续变量相关分析实例数据表
观测 号 体重（克） 鸡冠重（毫克）
1 2 3 4 5 6 7 8 9 10 83 72 69 90 90 95 90 91 75 70 56 42 18 84 56 10 90 68 31 48
7
2021/6/22
1
4
第4页/共128页
1、分析步骤
1）
输入数据，依次单击分析—相 关—双变量相关，打开主对话框
[课件]第八章SPSS的相关分析和线性相关分析PPT
![[课件]第八章SPSS的相关分析和线性相关分析PPT](https://img.taocdn.com/s3/m/76ebd16e2b160b4e767fcfdd.png)
SPSS
通过该表得到模型系数的概率值可以发现，常数项系 数差异不显著，而身高的系数差异显著，因此可以 留在模型中，即该模型为：
y0 .7 1 9x
SPSS
SPSS
SPSS
SPSS
练习
• 现有1978～2003年城镇居民消费额和人均 国内生产总值的相关数据保存在居民生 活.sav中，现要求建立城镇居民消费额y与 人均国内生产总值之间的线性模型。
为 了 用 矩 阵 表 示 上 式 ， 令
y1 1 x11 ... 1 x 21 Y ，X ... ... ... y 1 x n1 n x12 x 22 ... xn2 ... x1k 0 1 ... x 2 k ， 1 ， 2 ... ... ... ... ... x nk k n
SPSS
第八章SPSS 的相关分析 和线性相关 分析
SPSS
第一节相关分析和 线性回归分析概述
函数关系
事物之间关系 统计关系
SPSS
• 函数关系指的是两事物之间的一种一一对 应关系。即当一个变量x取一定值时，另一 变量y可以依确定的函数取唯一确定的值。 • 统计关系指两事物之间的一种非一一对应 关系，即当一个变量x取一定值时，另一变 量y无法依确定的函数取唯一确定的值。
SPSS
回归分析的一般步骤
1.确定回归方程中的解释变量x和被解释变量 y 2.确定回归模型 3.建立回归方程 4.对回归方程进行各种检验 5.利用回归方程进行预测
回归分析方法 SPSS
一元线性回归 多元线性回归
数 学 模 型 及 定 义
模 型 参 数 估 计
[课件]相关性分析PPT
![[课件]相关性分析PPT](https://img.taocdn.com/s3/m/a19c78ab680203d8ce2f249b.png)
SPSS的运行方式
SPSS主要有3种运行方式。 1．批处理方式 2．完全窗口菜单运行方式 3．程序运行方式
SPSS的数据编辑窗口
SPSS主界面主要有两个，一个是SPSS数据 编辑窗口，另一个是SPSS输出窗口。 数据编辑窗口由标题栏、菜单栏、工具栏、 编辑栏、变量名栏、内容区、窗口切换标 签页和状态栏组成，如图1-2所示。
实现步骤
6.2.3 结果和讨论
outline
• 线性相关（linear Correlation)
• 秩相关（rank correlation) • 分类变量的关联性分析
秩相关
也称等级相关,最常用的Spearman秩相关。
资料类型 不服从正态分布的资料 总体分布未知的资料 等级资料
该窗口下方有两个标签：“Data View”（数据视图 ）和“Variable View”（变量视图）。 如果使用过电子表格，如Microsoft Excel等，那么 数据编辑窗口中“Data View”所对应表格许多功 能应该已经熟悉。但是它和一般的电子表格处理 软件还有以下区别。
（1） 一个列对应一个变量，即每一列代表一个变 量（Variable）或一个被观测量的特征。例如问 卷上的每一项就是一个变量。 （2） 行是观测，即每一行代表一个个体、一个观 测、一个样品，在SPSS中称为事件（Case）。 例如，问卷上的每一个人就是一个观测。
χ² 检验
χ² 检验 秩和检验
Logistic回归分析
测量级别 类-类 (类-序)
相关 系数 λ
取值范 围 [0.1]
PRE意义 λ
检验方 法 χ2
SPSS程序 crosstabs Crosstabs/ correlation crosstabs/ Oneway/ means crosstabs/ correlation /linear
第七章SPSS的相关分析PPT课件
2024/10/14
25
基本操作步骤
• 菜单选项:analyze->correlate->partial
选择参与分析的 变量
选择一个或多个 控制变量
option选项:
– zero-order correlations:输出简单相关系数
20• 将家庭常住人口数作为控制变量，对家庭收入与计划购房面积做偏相 关分析
• 利用住房状况调查数据，分析家庭收入和计划购买的住房面积之间的 关系
• 两变量均为定距变量，采用简单相关系数
2024/10/14
21
偏相关分析
• 研究商品的需求量和价格、消费者收入之间的关系. – 需求量和价格之间的相关关系包含了消费者收入对商品需求量的 影响；同时收入对价格也产生影响，并通过价格变动传递到对商 品需求量的影响中
相关分析 须面对的 四个问题
关系的 强度如何
※这种关系 是否为因果
关系
这种关系 能否从样本推
到总体
2024/10/14
9
相关系数
• 相关系数以数值的方式精确地反映了两个变量间线性相关的强弱程度 • 利用相关系数进行变量间线性关系的分析的步骤
1. 计算样本相关系数r – 相关系数r的取值在-1～+1之间 – R>0表示两变量存在正的线性相关关系；r<0表示两变量存在负的
线性相关关系 – R＝1表示两变量存在完全正相关；r＝-1表示两变量存在完全负相
关；r＝0表示两变量不相关 – |r|>0.8表示两变量有较强的线性关系； |r|<0.3表示两变量之间的
线性关系较弱 2. 对样本来自的两总体是否存在显著的线性关系进行推断
2024/10/14
《SPSS的相关分析》PPT课件
两个变量之间的相关程度用相关系数r的绝对值表示，其绝对值越接 近1，表明两个变量的相关程度越高；其绝对值越接近于0，表明两个变量 相关程度越低。如果其绝对值等于零1，则表示两个变量完全直线相关。 如果其绝对值为零，则表示两个变量完全不相关（不是直线相关）。
7.1.2 相关分析
3.相关系数
变量相关的方向通过相关系数r所具有的符号来表示，“+” 号表示正相关，即0≤r≤1。“﹣”表示负相关，即0≥ r ≥ ﹣1。在使用相关系数时应该注意下面的几个问题。 （1）相关系数只是一个比率值，并不具备与相关变量相同的测量 单位。 （2）相关系数r 受变量取值区间大小及样本数目多少的影响比较 大。 （3）来自于不同群体且不同质的事物的相关系数不能进行比较。 （4）对于不同类型的数据，计算相关系数的方法也不相同。
计量的Bootstrap估计。 ● 描述统计表支持均值和标准差的Bootstrap 估计。 ● 相关性表支持相关性的Bootstrap 估计。
7.2 SPSS在简单相关分析中的应用
Step07：单击【OK】按钮，结束操作，SPSS软件自动输出结果。
7.2 SPSS在简单相关分析中的应用
7.2.3 实例分析：股票指数之间的联系
（2）根据变量值变动方向的趋势，相关关系可分为正相关和负相关。 （3）根据变量关系的形态，相关关系可分为直线相关和曲线相关。 （4）根据研究变量的多少，可分为单相关、复相关。
7.1.2 相关分析
1.相关分析的作用
（1）判断变量之间有无联系 （2）确定选择相关关系的表现形式及相关分析方法 （3）把握相关关系的方向与密切程度 （4）相关分析不但可以描述变量之间的关系状况，而且用来进行预测。 (5)相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等。
7.1.2 相关分析
3.相关系数
变量相关的方向通过相关系数r所具有的符号来表示，“+” 号表示正相关，即0≤r≤1。“﹣”表示负相关，即0≥ r ≥ ﹣1。在使用相关系数时应该注意下面的几个问题。 （1）相关系数只是一个比率值，并不具备与相关变量相同的测量 单位。 （2）相关系数r 受变量取值区间大小及样本数目多少的影响比较 大。 （3）来自于不同群体且不同质的事物的相关系数不能进行比较。 （4）对于不同类型的数据，计算相关系数的方法也不相同。
计量的Bootstrap估计。 ● 描述统计表支持均值和标准差的Bootstrap 估计。 ● 相关性表支持相关性的Bootstrap 估计。
7.2 SPSS在简单相关分析中的应用
Step07：单击【OK】按钮，结束操作，SPSS软件自动输出结果。
7.2 SPSS在简单相关分析中的应用
7.2.3 实例分析：股票指数之间的联系
（2）根据变量值变动方向的趋势，相关关系可分为正相关和负相关。 （3）根据变量关系的形态，相关关系可分为直线相关和曲线相关。 （4）根据研究变量的多少，可分为单相关、复相关。
7.1.2 相关分析
1.相关分析的作用
（1）判断变量之间有无联系 （2）确定选择相关关系的表现形式及相关分析方法 （3）把握相关关系的方向与密切程度 （4）相关分析不但可以描述变量之间的关系状况，而且用来进行预测。 (5)相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等。
SPSS软件的应用ppt课件PPT44页
index() length() lower() lpad() ltrim() substr()
missing() sysmis()
缺失值函数 日期时间函数 其他函数
26
第26页，共44页。
(5)菜单选项：
transform->compute （转换）----（计算变量）
if 按钮
[例] 计算职工实发工资
计算基本描述统计量
38
第38页，共44页。
计算描述统计量
描述集中趋势的统计量
均值(mean):表示某变量所有变量值集中趋势或平均水平的统计量。
适用于定距数据。
特点：利用了全部数据，易受极端值的影响。
描述离散程度的统计量
标准差(standard deviation--Std Dev):表示某变量的所有变量值离散程度的统计 量。 SPSS中计算的是样本标准差。
整数部分从个位开始每三位一个逗号 如：1,234.56
10
第10页，共44页。
（4）圆点型（Dot）
整数部分从个位开始每三位一个圆点 如：1.234,56
（5）美元符号型（Dollar）
主要表示货币数据 如：$12.30
字符型（String）
默认列宽8个字符，不能进行算术运算，区分大小写键Cut项
16
第16页，共44页。
多项选择题的处理方法
将一个问题定义成几个变量，用这几个变量来描述该问题的几个 可能被选择的答案。
编码方式：
多选项二分法(multiple dichotomize method)
将每个答案作为一个变量，每个变量只有两个取值(0或1)
多选项分类法(multiple category method)
missing() sysmis()
缺失值函数 日期时间函数 其他函数
26
第26页，共44页。
(5)菜单选项：
transform->compute （转换）----（计算变量）
if 按钮
[例] 计算职工实发工资
计算基本描述统计量
38
第38页，共44页。
计算描述统计量
描述集中趋势的统计量
均值(mean):表示某变量所有变量值集中趋势或平均水平的统计量。
适用于定距数据。
特点：利用了全部数据，易受极端值的影响。
描述离散程度的统计量
标准差(standard deviation--Std Dev):表示某变量的所有变量值离散程度的统计 量。 SPSS中计算的是样本标准差。
整数部分从个位开始每三位一个逗号 如：1,234.56
10
第10页，共44页。
（4）圆点型（Dot）
整数部分从个位开始每三位一个圆点 如：1.234,56
（5）美元符号型（Dollar）
主要表示货币数据 如：$12.30
字符型（String）
默认列宽8个字符，不能进行算术运算，区分大小写键Cut项
16
第16页，共44页。
多项选择题的处理方法
将一个问题定义成几个变量，用这几个变量来描述该问题的几个 可能被选择的答案。
编码方式：
多选项二分法(multiple dichotomize method)
将每个答案作为一个变量，每个变量只有两个取值(0或1)
多选项分类法(multiple category method)
SPSS相关性分析ppt课件
即：总离差平方和（SST)=剩余离差平方和(SST) +回归离差 平方和（SSR)其中；SSR是由x和y的直线回归关系引起的，可以 由回归直线做出解释；SSE是除了x对y的线性影响之外的随机因 素所引起的Y的变动，是回归直线所不能解释的。
精选版课件ppt
22
残差分析
残差是指由回归方程计算得到的预测值与实际 样本值之间的差距，定义为：
i 1
相关系数的数值范围是介于–1与 +1之间:
如果|r| ' 0，表明两个变量没有线性相关关系。
如果|r| ' 1 ，则表示两个变量完全直线相关。线性相关的方 向通过相关系数的符号来表示，“+”号表示正相关，“﹣” 表示负相关。
精选版课件ppt
11
相关系数为0或接近于0不能说明两个变量之间 没有相关性，它只说明没有线性相关性。不能 排除具有其它非线性关系。
精选版课件ppt
2
线性相关和非线性相关
统计关系还可以分为： （1）线性相关：当一个变量的值发生变化时，
另外的一个变量也发生大致相同的变化。在直 角坐标系中，如现象观察值的分布大致在一条 直线上，则现象之间的相关关系为线性相关或 直线相关（Linear correlation）。 （2）非线性相关：如果一个变量发生变动，另 外的变量也随之变动，但是，其观察值分布近 似的在一条曲线上，则变量之间的相关关系为 非线性相关或曲线相关（Curvilinear correlation）
SPSS曲线估计还可以以时间为解析变量。
精选版课件ppt
25
此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！
精选版课件ppt
26
如果一个变量发生变动另外的变量也随之变动但是其观察值分布近似的在一条曲线上则变量之间的相关关系为非线性相关或曲线相关curvilinearcorrelation最新版整理ppt定距变量和定距变量之间的相关最新版整理ppt定距变量和定距变量之间的相关最新版整理ppt定类变量变量的一种根据定性的原则区分总体各个案类别的变量
精选版课件ppt
22
残差分析
残差是指由回归方程计算得到的预测值与实际 样本值之间的差距，定义为：
i 1
相关系数的数值范围是介于–1与 +1之间:
如果|r| ' 0，表明两个变量没有线性相关关系。
如果|r| ' 1 ，则表示两个变量完全直线相关。线性相关的方 向通过相关系数的符号来表示，“+”号表示正相关，“﹣” 表示负相关。
精选版课件ppt
11
相关系数为0或接近于0不能说明两个变量之间 没有相关性，它只说明没有线性相关性。不能 排除具有其它非线性关系。
精选版课件ppt
2
线性相关和非线性相关
统计关系还可以分为： （1）线性相关：当一个变量的值发生变化时，
另外的一个变量也发生大致相同的变化。在直 角坐标系中，如现象观察值的分布大致在一条 直线上，则现象之间的相关关系为线性相关或 直线相关（Linear correlation）。 （2）非线性相关：如果一个变量发生变动，另 外的变量也随之变动，但是，其观察值分布近 似的在一条曲线上，则变量之间的相关关系为 非线性相关或曲线相关（Curvilinear correlation）
SPSS曲线估计还可以以时间为解析变量。
精选版课件ppt
25
此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！
精选版课件ppt
26
如果一个变量发生变动另外的变量也随之变动但是其观察值分布近似的在一条曲线上则变量之间的相关关系为非线性相关或曲线相关curvilinearcorrelation最新版整理ppt定距变量和定距变量之间的相关最新版整理ppt定距变量和定距变量之间的相关最新版整理ppt定类变量变量的一种根据定性的原则区分总体各个案类别的变量
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电子工业出版社
7.3 偏相关分析
第1步 分析：这4个气候因素彼此均有影响，分析时应对生长 量与4个气候因素分别求偏相关，如在求生长量与气候因素的 相关时控制其他因素的影响。所以需进行偏相关分析；
第2步 数据组织：如上表定义4个变量，输入数据即可；
第3步 进行偏相关分析：选择菜单“分析→相关→双变量”， 指定分析变量和控制变量，分析变量“hgrow”和“temp”的 偏相关系数，并将“rain”、“hsun”、“humi”设为控制变量。 如下图所示设置。
t r n2 1 r2
i1
i1
5
SPSS 19统计分析使用教程
电子工业出版社
7.1二元变量相关分析
定序变量的相关性分析 ：定序变量又称为有序（ordinal）变 量、顺序变量、等级变量，它取值的大小能够表示观测对象的 某种顺序关系（等级、方位或大小等）。定序变量的相关系数 用斯皮尔曼（Spearman）相关系数和肯德尔（Kendall’s ）相 关系数来衡量。
14
SPSS 19统计分析使用教程
电子工业出版社
7.3 偏相关分析
(4) SPSS实现举例
【例7-3】 下表是四川绵阳地区3年生中山柏的数据，分析月 生长量与月平均气温、月降雨量、月平均日照时数、月平均湿 度4个气候因素中哪些因素有关。
月 份
月生 月平均 长量 气温
月降 雨量
月平均日 照时数
月平均 湿度
12 .703* .011 40.333 3.667
12
儿子身高 .703* .011 40.333 3.667 12 1
38.917 3.538
12
电子工业出版社
其中包括了叉积离差矩 阵、协方差矩阵、 Pearson相关系数及相 伴概率p值。从表中可 看出，相关系数为 0.703>0，说明呈正相 关，而相伴概率值 Sig.=0.005<0.05，因此 应拒绝零假设（H0:两 变量之间不具相关性）， 即说明儿子身高是受父 亲身高显著性正影响的。
根据经验可将其相关程度分为几种：当|r|≥0.8时视为高度相 关；当0.5≤|r|<0.8时视为中度相关；当0.3 ≤ |r|<0.5时视为低度相 关；当|r|<0.3时说明变量之间的相关性很弱。
7
SPSS 19统计分析使用教程
7.2二元变量相关分析
电子工业出版社
第2步 对样本来自的两总体是否存在显著的线性关系进行推断： 由于存在抽样的随机性和样本数量较少等原因，通常样本相关 系数不能直接用来说明样本来自的两总体是否具有显著的线性 相关性，需要通过假设检验的方式对样本的总体进行统计推断。
19
SPSS 19统计分析使用教程
电子工业出版社
7.4 距离分析
相似性测度
对于定距数据主要使用皮尔逊相关系数和夹角余弦距离;
对于二值数据的相似性测度主要包括简单匹配系数、 Jaccard相似性指数、Hamann相似性测度等20余种。
其中的距离又分为个案（观测记录）之间的距离和变量之 间的距离两种。
11
SPSS 19统计分析使用教程
主要内容
7.1 相关分析简介 7.2 两变量相关分析 7.3 偏相关分析 7.4 距离分析
电子工业出版社
12
SPSS 19统计分析使用教程
电子工业出版社
7.3 偏相关分析
(1) 基本概念
偏相关分析的任务就是在研究两个变量之间的线性相关关 系时控制可能对其产生影响的变量，这种相关系数称为偏相关 系数。偏相关系数的数值和简单相关系数的数值常常是不同的， 在计算简单相关系数时，所有其他自变量不予考虑。
10
SPSS 19统计分析使用教程
7.2二元变量相关分析
第4步 主要结果及分析。
Pearson 相关性 显著性（双侧）
父亲 身高
平方与叉积的和
协方差
儿子 身高
N Pearson 相关性 显著性（双侧）
平方与叉积的和
协方差
N
*. 在 0.05 水平（双侧）上显著相关。
父亲身高 1
84.667 7.697
检验的统计量为：
t r. nk 2.r 1 r2
电子工业出版社
(3)统计分析步骤
第1步 根据公式计算偏相关系数； 第2步 对样本来自的两总体是否存在显著性相关进行推断。
提出零假设H0：即两总体的偏相关系数与零无显著性差异； 选择检验统计量：偏相关分析选择的是t统计量； 计算t值及对应的概率p值； 决策：如果相伴概率p值小于给定的显著性水平，则应拒绝零假 设，认为两总体的偏相关系数与零有显著性差异；否则，接受原 假设。
提出零假设H0：即两总体无显著的线性关系；
构造检验统计量：由于不同的相关系数采用不同的检验统计量， 因此在相关分析时，不同的过程需要构造不同的检验统计量；
计算检验统计量的观测值及对应的概率p值；
对两总体的相关性进行推断：如果检验统计量的概率p值小于 给定的显著性水平，应拒绝零假设，即认为两总体之间存在显著性 线性关系；反之，应接受零假设。
SPSS 19统计分析使用教程
电子工业出版社
SPSS相关分析
1
SPSS 19统计分析使用教程
主要内容
7.1 相关分析简介 7.2 两变量相关分析 7.3 偏相关分析 7.4 距离分析
电子工业出版社
2
SPSS 19统计分析使用教程
7.1相关分析简介
电子工业出版社
(1) 函数关系与相关关系
变量之间的关系可以分为两种：一种是函数关系，另一种是 相关关系。函数关系是一一对应的确定性关系，比较容易分析 和测度。可是在现实世界中，变量间的关系往往并不是简单的 确定性关系，也就是说，变量之间有着密切的关系，但又不能
主要内容
7.1 相关分析简介 7.2 两变量相关分析 7.3 偏相关分析 7.4 距离分析
电子工业出版社
18
SPSS 19统计分析使用教程
电子工业出版社
7.4 距离分析
(1) 基本概念
距离分析是对观测量之间相似或不相似程度的一种测度，
是计算一对观测量之间的广义距离。这些相似性或距离测度可 以用于其他分析过程，例如因子分析、聚类分析或多维定标分
(3) 分析步骤
距离分析中不存在假设检验问题，主要是通过SPSS自动 计算变量或个案之间的相似性或不相似性距离，根据其计算 距离值的大小来确定变量或个案之间的相似性或不相似性的 强弱。
20
SPSS 19统计分析使用教程
电子工业出版社
7.4 距离分析
(4) SPSS实现举例
【例7-4】 已知我国四城市2004年各月的日照时数如下表 所示，请分析各城市日照数是否近似。
由一个或几个变量的值确定另一个变量的值，即当自变量x取某 一值时，因变量y的值可能会有多个。这种变量之间的非一一对
应的、不确定性的关系，称之为相关关系。
(2) 相关分析基本概念
衡量事物之间，或称变量之间线性相关程度的强弱并用适 当的统计指标表示出来，这个过程就是相关分析。相关系数是 衡量变量之间相关程度的一个指标，总体的相关系数用ρ表示， 样本的相关系数用r表示。
月份 北京 天津 石家庄 大连 月份 北京 天津 石家庄 大连 1 194.7 161.7 193.8 163.5 7 203.2 179.5 185.4 228.5 2 213.5 185.2 219.2 195.3 8 187.4 149.8 152.1 174 3 243.6 166.8 220.9 223.1 9 198.9 178.7 203.4 202.7 4 248.2 214.3 240.9 276.9 10 225.2 194.7 220.7 228.4 5 253.3 221 277.9 243.4 11 201.4 172.8 197.5 172.9 6 202 182.5 213.4 190 12 144 119.1 97.9 167
(2) 统计原理
控制一个变量和控制两个变量的偏相关系数分别为：
rxy,z
rxy rxzryz (1rx2z)(1ry2z)
r xy,z1z2
r r r xy,z1 xz1,z2 yz2,z1 (1rx2z1,z2)(1ry2z2,z1)
13
SPSS 19统计分析使用教程
7.3 偏相关分析
Spearman相关系数及Z统计量
n
6
D
2 i
r
1
i1
n(n2
1)
Z r n1
Kendall’s等级相关系数 及Z统计量
(UV) 2
n(n1)
Z 9n(n 1)
2(2n 5)
6
SPSS 19统计分析使用教程
电子工业出版社
7.2 二元变量相关分析
(3) 分析步骤
第1步 计算相关系数r：利用样本数据计算样本相关系数，样
月份
月生 长量
月平均 气温
月降 雨量
月平均日 月平均 照时数 湿度
1 0.01 4.2 17
54.5
81 7 18 24.7 96.9 101.6
83
2 0.5 7.4 10.8 73.8
79 8 19.3 24.5 269.5 164.6
86
3 1.5 10 17.4 84.7
75 9 14.8 22 194.8 81.6
8
SPSS 19统计分析使用教程
电子工业出版社
7.2二元变量相关分析
(4) SPSS实现举例
【例7-1】为了分析父亲与儿子身高之间的相关性，现抽样了 12对父子的身高，数据如下表。请对其进行相关性分析（显著 性水平取α ＝0.05）。
父亲身高 65 63 67 64 68 62 70 66 68 67 69 71 儿子身高 68 66 68 65 69 66 68 65 71 67 68 70