SPSS10相关课题.ppt

不相似性矩阵 观测量间的欧氏距离 返回 变量间不相似性分析例题【例7】输出 变量间的不相似性测度 标准化后的欧氏距离 返回 变量间的相似性测度例题 相关系数矩阵 返回 习题10及参考答案 什么是两个变量间的线性相关？两个变量间的相关系数的数值范围是什么？负相关系数反映的是两个变量数值间的什么样的关系？ 2. SPSS提供了几个求相关系数的方法？个适应什么样的变量？ 3. 在data10-05中记录了29个被试的身高、体重、肺活量的数据，试分析肺活量与哪个因素线性相关程度更高。说明为 什么要计算偏相关？ 4、在data10-02中是474名职工的职务等级jobcat、起始工资salary、现工资salary、受教育程度educ、本单位工作经历（月）jobtime、以前工作经历（月）prevexp，id为职工编号。分析该公司起始工资的确定与什么因素有关。当前工资与什么因素有关。 5. data10-06是某公司太阳镜销售情况。分析销售量与平均价格、广告费用和日照时间之间的关系。作图协助分析。此题使用偏相关分析是否有实际意义？ 返回 习题及解答 【题3】 1. 两个变量的对应关系不具有唯一性时，相关分析研究他们之间线性关系的密切程度。 变量Y随着变量X的增加（或减少）而增加（或减少），称为两个变量之间存在着线性关系，也称这两个变量线性相关。 相关系数的数值范围是在-1 ~+1之间。当一个变量随着另一个变量的增加而减少，这种相关关系称为负相关。相关系数小于0。 2. 提供了三个相关分析方法：Pearson相关适合于分析正态分布的两个连续变量（测量方法定义为scale的尺度变量）间的相关系数。对于非正态分布的尺度测量的变量或顺序测量的等级变量（order）应该使用Spearman 和Kendall‘s tau-b方法计算相关系数。后者考虑了结点的影响。 3.分析两个变量间线性关系的程度。往往因为第三个变量的作用，使相关系数不能真正反映两个变量间的线性程度。 这是应该控制一个变量的变化求另两个变量间的相关系数，也就是说，在第三个变量不变的情况下，两个变量的线性程度。 CORRELATIONS /VARIABLES=VCP with HEIGHT WEIGHT /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE . 返回 习题及解答【题3】 PARTIAL CORR /VARIABLES= VCP with WEIGHT BY HEIGHT /SIGNIFICANCE=TWOTAIL /MISSING=LISTWISE . PARTIAL CORR /VARIABLES= VCP with HEIGHT BY WEIGHT /SIGNIFICANCE=TWOTAIL /MISSING=LISTWISE . 做偏相关，执行这样两个程序。 假设：肺活量与体重间无线性相关关系 Significant=0.002，拒绝原假设，说明肺活量和体重（控制了身高）高度相关，相关系数为0.569。 假设：肺活量与身高间无线性相关关系。 Significant=0.619，接受原假设，说明肺活量和身高（控制了体重）没有线性关系，相关系数为0.098。 正是由于在身高和体重之间高度线性相关，因此只做线性相关无法找到肺活量与身高和体重的真正的相关关系。 结论是：肺活量与体重高度相关，与身高无线性关系。 返回 习题及解答【题3】 返回 CORRELATIONS /VARIABLES=salbegin with educ prevexp jobcat /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE . NONPAR CORR /VARIABLES=salbegin with educ prevexp jobcat /PRINT=BOTH TWOTAIL NOSIG /MISSING=PAIRWISE . 左面程序的执行结果，Pearson相关 下表是执行右面程序的结果，使用非参相关：Spearman和Kendall‘s tau-b方法计算相关系数。 这两个结果是不同的。 Pearsom相关分析结果初始工资与受教育程度和职务等级高度相关(p0.001)，与以前的工作经历无关（p=0.327）。 Spearman和Kendall‘s tau-b的结果是与三者都是高度相关的p值均小于0.001。只是与以前工作经历相关系数较小0.133和0.186。 应该使用哪个输出结果做结论呢？ 应该查看变量的测度和进行正态性分析。 返回 习题及解答【题4】 习题及解答—【题4】 从上3个图可以看出受教育年限、其始工资、以前工作经历（月）都不