毕业论文spss相关性分析案例

1、打开SPSS软件，输入两列数据，如下图所示；

2、用鼠标在工具栏上一次点击“分析”----”相关”----“双变量”，如下图所示；

3、进入要分析的变量，将两个变量都选定，相关系数选择Pearson，显著性检验选择双侧检验，标记显著性相关，如下图所示；

4、选择其他相关需要，如均值与标准差，缺失值的选择，然后点击继续，如下图所示；

5、在bootstrap菜单中打勾，置信区间选择百分位，抽样选择简单，然后点击确定，如下图所示；

6、等待软件分析完成后就可以得到描述性分析和相关性分析的数据了，如下图所示。

相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。 [if !supportLineBreakNewLine] [endif]相关分析是不考虑变量之间的因果关系而只研究分析变量之间的相关关系的一种统计分析方法，包括简单相关分析、偏相关分析、距离分析等。 下面我们主要从下面四个方面来解说： [if !supportLineBreakNewLine] [endif] 实际应用 理论思想 操作过程 分析结果 [if !supportLineBreakNewLine] [endif] 一、实际应用 [if !supportLineBreakNewLine] [endif] 相关性不等于因果性，也不是简单的个性化，相关性所涵盖的范围和领域几乎覆盖了我们所见到的方方面面，相关性在不同的学科里面的定义也有很大的差异。 1、简单相关分析 [if !supportLineBreakNewLine] [endif] 生活中常需要我们对 两个变量间的相关关系 进行分析，即通过计算两个变量之间的相关系数，是否显著相关作出判断。 2、偏相关分析相关分析通过计算两个变量之间的相关系数分析变量间线性相关的程度。在多元相关分析中，由于受到其他变量的影响，两变量相关系数只是从表面上反映了两个变量的性质，往往不能真实地反映变量间的线性相关程度，此时就需要用到偏相关分析，这时候就 需要把其他变量控制住，然后输出控制其他变量影响后的相关系数，得以从中剔除其他变量的线性影响 。3、距离分析偏相关分析通过控制一些被认为次要的变量的影响得到两个变量间的实际相关系数，但实际问题中，变量可能会多到无法一一关心的地步，每个变量都携带了一定的信息，但彼此又有所重叠，此时 最直接的方法就是将所有变量按照一定的标准进行分类，即进行聚类分析。 [if !supportLineBreakNewLine] [endif][if !supportLineBreakNewLine] [endif] 二、理论思想 相关分析研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向及相关程度，是研究随机变量之间相关关系的一种统计方法。 现象与现象之间的依存关系，从数量联系上看，可以分为两种不同的类型，即函数关系和相关关系。 [if !supportLineBreakNewLine] [endif] 函数关系是从数量上反映现象间严格的依存关系，即当一个或几个变量取一定的值时，另一个变量有确定值与之相对应。相关关系是现象间不严格的依存关系，即各变量之间不存在确定性的关系。 [if !supportLineBreakNewLine] [endif] 在相关关系中，当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量值也相应发生变化，但其关系值不是固定的，往往按照某种规律在一定的范围内变化。 [if !supportLineBreakNewLine] [endif] 回归方程的确定系数在一定程度上反映了两个变量之间关系的密切程度，并且确定系数的平方根就是相关系数。但确定系数一般是在拟合回归方程之后计算的，如果两个变量间的相关程度不高，拟合回归方程便没有意义， 因此相关分析往往在回归分析前进行。 [if !supportLineBreakNewLine] [endif] 对不同类型的变量，相关系数的计算公式也不同。在相关分析中，常用的相关系数主要有皮尔逊简单相关系数、斯皮尔曼等级相关系数、肯德尔等级相关系数和偏相关系数。 [if !supportLineBreakNewLine] [endif] 皮尔逊简单相关系数适用于等间隔测度，而斯皮尔曼等级相关系数和肯德尔等级相关系数都是非参测度。 一般用ρ和r分别表示总体相关系数和样本相关系数。 （1）皮尔逊简单相关系数简单相关系数r有如下性质：①-1≤r≤1，r绝对值越大，表明两个变量之间的相关程度越强。②0