目录
数据类型
先说明spss里的三种数据类型, 可以在 数据视图|测量 那里看到
分别是
1. 标度型(又称定距型) 简单来说就是有高低区别又有大小取值的, 如温度, 身高, 体重
2. 有序性(又称定序型) 只有高低区别, 没有大小取值(或者和取值没有明显关系), 如学历, 年龄
3. 名义型(又称定类型) 没有高低区别, 如性别, 民族
相关性分析的方法
顾名思义,就是看两个变量有没有某种关系? 究竟是一种什么关系?
一般只有四种方法: 卡方检测, Spearman系数, Pearson系数, Eta系数
检验不同类型的变量的方法如下表格:
表格只是说明某一类相关性用某一种方法检测比较好, 而不是说不能用其他方法检测
用spss操作
随遍编了一手数据, 不要在意细节hhh
卡方检测
选择: 分析|描述统计|交叉表
然后把要分析的变量分别放到行和列, 比如我要分析的是抽烟和性别的关系
点击右侧的统计, 选择卡方, 其他的随便选选也行
确认后到输出视图, 重点注意卡方检测的皮尔逊卡方, 如果检测值小于0.05, 说明相关性显著, 否则相关性不显著
Eta检测
和卡方检测几乎相同的步骤, 只是选择的时候不要选卡方, 选择相关性
看对称测量, 如果图中值大于0.5, 则高度相关, 且越大相关性越大
同时如果皮尔逊系数不等于phi值, 说明他们不是线性相关的
皮尔逊(Pesrson)检测
选择 分析|相关|双变量
选择想要分析的两个变量, 选中皮尔逊, 双尾
当然也可以在选项中选择其他想要显示的值
查看相关性, 如果皮尔逊相关大于0.5(越大表示越相关)并且双尾小于0.05(排除偶然性,通过检验)说明是高度相关
Spearman(斯皮尔曼)
spearman检测和皮尔逊检测步骤几乎一模一样, 只是选中的是斯皮尔曼
今天的文章使用spss做各种相关性分析的方法和步骤分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:http://bianchenghao.cn/30113.html