如何使用SPSS进行斯皮尔曼相关性分析
当我们要研究某指标与某结果之间是否存在一定的相关性,就需要进行相关性分析,现如今比较常用的相关性分析有斯皮尔曼相关性分析、皮尔逊相关性分析,两者所适用的范围不同。
今天我们就使用IBM SPSS Statistic软件,来讲讲斯皮尔曼相关性分析法的假设检验和使用方式。
一、单调性检测
上面我们提到了斯皮尔曼相关性分析和皮尔逊相关性分析使用的范围是不同的,其中,斯皮尔曼相关性分析适用于对存在单调性关系的变量进行检测;而皮尔逊相关性分析适用于对正态分布的变量进行检测。所以下面我们首先需要检测数据变量之间是否存在一定的单调性。
下图1是准备好要演示的数据,第一列表示人员久坐的时间,第二列表示人员的胆固醇含量,今天我们要研究的就是久坐是否与胆固醇含量之间有一点的关系。
图1:相关性分析数据
点击【图形】菜单,选择【图形构建器】,然后点击下方的“散点图/点图”选项,双击第一个散点图,然后将左侧列表的“久坐时间”拖动到X轴上,将“胆固醇”拖动到Y轴上,具体步骤见图2。
图2:图形构建器
点击“确定”后,会生成下图3所示的散点图,我们从图3可以看出,久坐时间与胆固醇含量存在着一定的单调关系,且它们之间的关系是正向的,久坐时间越长,胆固醇含量越高。
图3:绘制的散点图
二、斯皮尔曼相关性分析
完成单调性的假设检验以后,我们接下来就可以使用斯皮尔曼来分析这两个指标之间的相关性了。第一步:点击【分析】--【相关】--【双变量】。
图4:双变量分析
在变量中选择我们的两个指标变量,然后在相关系数中勾选“斯皮尔曼”,显著性检验勾选“双尾”,同时勾选“标记显著性相关性”,最后点击“确定”。
图5:双变量相关性
三、结果分析
最终的相关性分析结果如图6,我们看第一行的相关系数指标,可以看到,它们之间的相关系数为0.793,这说明它们之间是存在一定的正向相关性。
对于相关系数来说,0表示两者之间没有相关性,-1表示负相关性,1表示正相关性,越接近于-1或者1,则相关性越强。
图6:相关性结果
这就是在IBM SPSS Statistics软件中使用斯皮尔曼相关性分析法,进行假设检验和双变量相关性分析的全部教程,从散点图我们也可以直观地论证出最终结果的准确性,希望本教程能给大家在相关性分析的工作中带来帮助。
如何使用SPSS进行斯皮尔曼相关性分析相关推荐
- spss相关性分析看结果_利用spss做Pearson相关性分析步骤详解
有蛮多的学生私信老徐问如何利用spss做相关性分析,其实相关性分析应该是spss分析中较为基础的一个功能应用,很多学生可能是因为跨专业或者对统计软件了解较少,在没有经过系统学习的前提下,感觉云里雾里. ...
- SPSS常用的相关性分析方法解析(转载)
相关性分析旨在分析两组数据之间是否相互影响,彼此是否独立的变动.SPSS内部提供了多种分析数据相关性的方法:卡方检验(Chi-SquareTest),Pearson相关系数计算,Spearman相关系 ...
- 数据指标间相关性分析
目录 步骤一:可视化-图表展示 步骤二:相关系数计算 1.协方差及协方差矩阵 2.三个相关性系数(pearson, spearman, kendall) 3.不同类型变量适用检验方式 步骤三:假设检验 ...
- 用spss做多组两两相关性分析_两独立样本T检验及如何利用SPSS实现其操作
上一篇文章我们讲解了有关单样本T检验的相关内容(如何使用SPSS进行单样本检验),其实论文中除了常用到的单样本T检验以外,还有另外一种T检验的方法也是经常用到的统计方法,也就是两独立样本T检验 说到T ...
- 语言相关系数显著性_相关性分析在SPSS中的具体操作,一文读懂相关系数的含义及使用——【杏花开生物医药统计】...
相关性分析介绍 生物和医学统计中,相关分析属于流程前端的探索性分析,研究变量间关系及性质,其结果在为下一步采取何种方法做出指引,为数据挖掘之前的基础工作. 相关系数的选择 相关分析之前,需要先确认变量 ...
- spss相关性分析_SPSS有话说:如何得出问卷或量表的结构或维度——探索性因素分析...
导 语 为进一步明晰量表的结构模型并确定正式量表,除进行项目分析外,随后根据探索性因素分析的结果剔除预测量表中不合适的项目. SPSS有话说 基本概念: 探索性因素分析是依据样本数据,根据变量间相 ...
- spss相关性分析看结果_spss相关性分析
当我们想要了解变量的相关程度时,就需要用到相关分析,而相关分析也是回归之前很重要的一步,通常用到的方法是pearson方法. 首先解释一下相关系数,相关系数反应的是两个变量之间变化趋势的方向以及程度, ...
- 相关性分析-皮尔森、斯皮尔曼肯德尔相关性系数
def person_func(x,y):"""1. person correlation coefficient(皮尔森相关性系数)皮尔逊相关系数通常用r或ρ表示,度量 ...
- 一文数学数模-相关性分析(二)斯皮尔曼相关(spearman)相关性分析一文详解+python实例代码
前言 相关性分析算是很多算法以及建模的基础知识之一了,十分经典.关于许多特征关联关系以及相关趋势都可以利用相关性分析计算表达.其中常见的相关性系数就有三种:person相关系数,spearman相关系 ...
- 基于SPSS的中国消费者信心指数影响因素分析-----相关性分析
说明:本案例基于spss数据分析与挖掘实战案例精粹----第10章 案例背景:对受访者的背景资料对消费者信心指数的影响加以研究,并进一步考察其内部的详细作用方式: 分析方法:使用方差分析对自变量进行筛 ...
最新文章
- Nagios的安装和基本配置(二:Nagios-Server的安装)
- 基于kryo序列化方案的memcached-session-manager多memcached...
- 【转载】Hadoop 2.7.3 和Hbase 1.2.4安装教程
- 前端模版引擎选择指南
- Python教程分享之Python基础知识点梳理
- 理解Flex itemRenderer(3)--通信
- 内联函数 —— C 中关键字 inline 用法解析
- uva 674 Coin Change 换钱币【完全背包】
- 主成分与因子分析异同_主成分分析与因子分析在SPSS中的区别
- SPOJ-SUBST1 New Distinct Substrings (求不同子串数量)(后缀数组模板)
- [精简]托福核心词汇60
- struct.error: short format requires (-32768) <= number <= 32767
- 分享11款Steam推理游戏
- SNMP TRAP发包工具
- 第九届“图灵杯”NEUQ-ACM程序设计竞赛个人赛前十题(能力有限)
- 2020年第四轮计算机科学与技术学科评估排名结果
- 百度谷歌等各大网站收录网页提交入口
- arduino 温度调节器_感应电压、电流和温度 - 嘿!用Arduino造一个太阳能充电控制器吧...
- Gridea 配置Gitalk 的异常:Error Bad credentials 和 Error Not Found
- 数字孪生技术如何打造新型智慧城市管理体系概述
热门文章
- 刷armbian后必要的安装和配置
- ssh远程重装Centos系统
- python 划分训练集 测试集 验证集_如何正确使用机器学习中的训练集、验证集和测试集?...
- a foreign key constraint fails ,外键表中添加数据时无法实现
- 2013级C++第2周(春)项目——结构体应用大体验
- 2010考研数学二第(13)题——导数应用题
- 谷歌浏览器最好用的10款扩展应用程序
- 读书笔记 大前研一《专业主义》
- C/C++ 内存对齐原则及作用
- 撬开程序底层的两把瑞士军刀