SPSS皮尔逊相关分析实例操作步骤
选题:
对某地29名13岁男童的身高(cm)、体重(kg),运用相关分析法来分析其身高与体重是否相关。
实验目的:
任何事物的存在都不是孤立的,而是相互联系、相互制约的。
相关分析可对变量进行相关关系的分析,计算29名13岁男童的身高(cm)、体重(kg),以判断两个变量之间相互关系的密切程度。
实验变量:
编号Number,身高height(cm),体重weight(kg)
原始数据:
实验方法:
皮
尔
逊
相
关
分
析
法
软件:
操作过程与结果分析:
第一步:导入Excel 数据文件
1.open data document ——open data ——open ;
2. Opening excel data source ——OK.
第二步:分析身高(cm )与体重(kg )是否具有相关性
1. 在最上面菜单里面选中Analyze ——correlate ——bivariate ,首先使用Pearson ,two-tailed ,勾选flag significant correlations 进入如下界面:
2. 点击右侧options ,勾选Statistics ,默认Missing Values ,点击Continue 输出结果:
图为基本的描述性统计量的输
出表格,其中身高的均值(mean )
为、标准差(standard deviation )
为、样本容量(number of cases )
为29;体重的均值为、标准差为、
样本容量为29。
两者的平均值和标准差值得差距不显着。
图为相关分析结果表,从表中可以看出体重和身高之间的皮尔逊相关系数为,即
|r|=,表示体重与身高呈正相关关系,且两变量是显着相关的。
另外,
两者之间不相关的双侧检验值为,图中的双星号标
记的相关系数是在显着性水平为以下,认为标记的相关系数是显着的,验证了两者显着相关的关系。
所以可以得出结论:学生的体重与身高存在显着的
Descriptive Statistics
Mean Std. Deviation N
身高(cm ) 29
体重(kg) 29
Correlations
身高(cm )
体重(kg)
身高(cm )
Pearson Correlation 1
.719** Sig. (2-tailed)
.000
Sum
of
Squares
and
Cross-products
Covariance N
29 29 体重(kg)
Pearson Correlation .719** 1
Sig. (2-tailed) .000 Sum
of
Squares
and
Cross-products
Covariance N
29
29
**. Correlation is significant at the level (2-tailed).
正相关性,当体重越高时,身高也越高。
第三步:画散点图:选中Graphs——Legacy Dialogs——Scatter/dot——Simple scatter——define.
得到散点图,如下图:。