SPSS 相关分析之两变量相关分析

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，这些关系的常见描述语句有：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。

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。

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：

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。

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：

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：

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