一汽马自达俱乐部
余姚⼆分类变量相关性分析spss_SPSS相关分析之两变量相关分析
什么是相关分析？
探究变量间关系及性质，能够简单有效说明两变量间存在什么关系，这些关系的常见描相关分析属于数据分析流程前端的探索性分析，探究变量间关系及性质，能够简单有效说明两变量间存在什么关系 述语句有：线性相关、正相关、负相关等。其结果在于指导下⼀步采取何种⽅法，是数据挖掘之前的基础⼯作；
相关关系的分类
相关关系从不同的⾓度有不同的分类⽅式。⾸先是按照相关关系强度划分：完全相关，弱相关和不相关。也能按照相关关系的⽅向分类：正相关和负相关。以上两种是最常⽤的分类⽅式。除此之外，还有两种分类⽅式，需要重点介绍。
线性相关和⾮线性相关
⾮线性相关。在直⾓坐标系⾥，两个变量的观测值的分布⼤致在⼀条直线上，那么这两按照相关关系形态划分，可以分为线性相关田李蓓
个变量之间的相关关系是线性关系；如果在直⾓指标系内，两个变量的观测值分布是⼀条曲线，那么它们之间的相关关系是⾮线性相关。
偏相关。单相关
复相关和偏相关
单相关是两个变量之间的关系，这两个变量⼀个是因变量，⼀个是⾃变
单相关，复相关
按照变量的个数划分，可以分为单相关
复相关是指三个或三个以上的变量之间的关系，即⼀个因变量对两个或两个量。两个变量的相关关系分析也被称为⼆元变量相关分析。复相关
偏相关综合了单相关和复相关的特点，当⼀个变量与多个变量相关，但是只关⼼其中⼀个因变量与⾃变量的关以上⾃变量的相关关系。偏相关
系，需要屏蔽其他因变量对⾃变量的影响，这样的相关关系就叫做偏相关。
相关系数
要想更精确地描述变量间的相关关系，就要计算相关关系的相关系数。计算相关系数⼀般需要⼤样本，样本容量最好⼤于30个，这样才能⽐较准确反映两个变量间的关系。相关系数r的取值⼀般介于-1~+1之间。
下⾯我们⾸先介绍双变量相关分析
双变量相关分析的步骤
问题描述：下⾯以腰围、体重、脂肪⽐重为例，来说明应该怎样进⾏相关分析。 第1步：绘制散点图
在SPSS中，绘制散点图⾮常简单。操作步骤如下：
1）点击图形图表构建程序。
2）在库中选择散点图，双击简单散点图。
3）分别将腰围和体重，拖⼊X轴和Y轴，确定即可。
观察散点图，可知：腰围与体重应该是存在线性相关性的，或者说，腰围对体重是有影响的。不过，
这相关程度（或影响程度）有多⼤，则需要进⼀步计算相关系数来度量。黄集骧
第2步：选择系数公式
因为，Pearson相关系数要求变量服从正态分布，所以在计算相关系数之前，需要先确定两变量是否都服从正态分布，或者近似正态分布。如果采⽤其它相关系数，则可以省略正态性检验。在SPSS中，判断两变量是否服从正态分布操作步骤如下：
1）点击分析描述统计-探索，进⼊探索界⾯。
2）将待判断的变量选⼊因变量列表。
3）打开绘制界⾯，选中带检验的正态图，确定。
确定后得到如下的正态性检验结果：
在SPSS中，采⽤的是K-S检验以及Shapiro-Wilk检验的结果。当Sig>0.05时，表明该变量服从正态分布，否则为⾮正态分布。如表所⽰，显然腰围和体重两个变量都是服从正态分布的，所以可以采⽤Pearson相关系数。
第3步：计算相关系数
在SPSS中，计算相关系数的操作步骤如下：
1）打开数据⽂档，点击分析-相关-双变量，进⼊相关分析界⾯。
大茴香脑2）将要判断的⼏个变量全部选⼊变量列表，确定，即可得到相关系数矩阵。
【相关系数】选项
Pearson积差相关 ，计算连续变量或是等间距测度的变量间的相关分析。应⽤最最多的⼀种分析⽅法，要求数据服从正态分布或近似正态分布；这是参数检验的⽅法；
使⽤条件：张欧亚
两个变量都是由测量获得的连续型数据，即等距或等⽐数据。
两个变量的总体都呈正态分布或接近正态分布，⾄少是单峰对称分布，当然样本并不⼀定要正态。
必须是成对的数据，并且每对数据之间是相互独⽴的。
两个变量之间呈线性关系，⼀般⽤描绘散点图的⽅式来观察。
Kendall等级相关，⽤于反映分类变量相关性的指标，适⽤于两个分类变量均为有序分类的情况。对相关的有序变量进⾏⾮参数相关检验；取值范围在-1-1之间，绝对值越⼤相关性越强，正负号表⽰相关的⽅向。此检验适合于正⽅形表格；
Spearman等级相关，计算斯⽪尔曼相关，适⽤于连续等级资料或不满⾜正态分布假设的等间隔数据，属于⾮参数统计⽅法，适⽤范围要⼴些。
【显著性检验】选项
双侧检验：侧检验只关⼼两个总体参数之间是否有差异，⽽不关⼼谁⼤谁⼩。
单侧检验：单侧检验则强调差异的⽅向性，即关⼼研究对象是⾼于还是低于某⼀总体⽔平。
【标记显著性相关】选项：⽤*号来表⽰显著型，⼀颗表⽰有显著性，两颗代表p值⼩于0.01，就认为极其显著。原假设H0：两变量不存线性相关
输出结果：
相关系数矩阵是对称矩阵，⽽且对⾓线上的相关系数全为1（即变量⾃⾝的相关系数为1）。从上表中可知，腰围和体重的相关系数
r=0.853，存在强相关；脂肪⽐重和体重的相关系数r=0.697，存在中度相关。
第4步：显著性检验
在相关系数矩阵中，查看显著性⼀⾏，腰围和体重对应的概率P=0.000（因精度的原因，看起来概率为0），显然P<0.05，即根据显著性检验，也可知腰围和体重、脂肪⽐重和体重，都存在显著的线性相关关系。
第5步：进⾏业务判断
根据前⾯的相关分析，可得到数据分析结论：
1、根据显著性判断，可知腰围与体重、脂肪⽐重与体重，都存在显著线性相关性。
2、根据相关系数，可知腰围与体重存在强相关，脂肪⽐重与体重存在中度相关。然后，再从业务上对分析结果进⾏解读，并给出相应的业务策略或建议：
1、业务解读：腰围对体重的影响很⼤，脂肪⽐重对体重的影响较⼤。
2、业务建议：要减轻体重，最好先减⼩腰围，少吃脂肪类⾷物
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议