spss线性回归散点图怎么做_教你制作spss线性散点图

spss线性回归散点图怎么做_教你制作spss线性散点图,第1张

spss线性回归散点图怎么做_教你制作spss线性散点图 相关分析能够解决的问题:· 父母的身高和孩子的身高是否有关?一般情况,父母的身高越高,孩子的身高是不是也会越高?· 跳远成绩与短跑速度是否有关?一般情况,短跑速度越快,跳远成绩是不是也会越好?
用相关系数 r 表示两个变量之间的相关程度和方向。


a. 零相关:r=0b. 正相关:0<r<1c. 完全正相关:r=1d. 负相关:-1<r< 0e. 完全负相关:r=-1|r|越大,相关关系越密切|r|越小,相关关系越不密切


案例:不同姿势投掷sld成绩的相关分析测试对象:大学1-4年级学生共58人。


测试内容:身高、体重、肺活量、体质健康分数,站立、半蹲、匍匐三种姿势投掷sld的成绩。


研究目的:探索不同姿势投掷sld成绩的相关性,以及成绩的影响因素。


部分数据:图11.首先探索站立与半蹲投掷成绩的相关性?站立时投掷的越远,是不是半蹲时也会投掷的越远?散点图和拟合直线初步探索两个变量的关系:SPSS步骤:图形-散点图-简单散点图(X轴输入”半蹲”,Y轴输入”站立”)。


点击”确定”。


图2基本分布情况:半蹲投掷成绩越高,则站立投掷成绩也越高。


(1)服从双变量正态分布时,采用Pearson积差相关系数。


SPSS步骤:1)分析-相关-双变量图32)把”站立”、”半蹲”投掷成绩选入”变量”列表。


勾选相关系数”皮尔逊”(就是Pearson积差相关系数)。


点击”确定”。


图43)SPSS结果:图5结果判断方法:P>0.05时,不存在相关关系。


P≤0.05时,存在相关关系。


此时,|r|越接近1,则相关关系越密切。


结果:站立和半蹲投掷sld的成绩存在很高的正相关关系(r=0.930, P<0.05)。


(2)不服从双变量正态分布时,采用Spearman秩相关系数。


勾选相关系数”斯皮尔曼”(就是Spearman秩相关系数)。


点击”确定”。


图6SPSS结果:图7结果判断方法同上。


结果:站立和半蹲投掷sld的成绩存在很高的正相关关系(rs=0.896,P<0.05)。


2.同时探索多个变量间的相关性?(构建相关矩阵)“变量”列表选入多个变量。


相关系数同时勾选”皮尔逊”和”斯皮尔曼”。


点击”确定”。


图8Pearson积差相关系数结果:图9Spearman秩相关系数结果:图10图9、图10为多个变量两两之间相关系数矩阵,关于红线对称分布。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/tougao/642233.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-17
下一篇 2022-04-17

发表评论

登录后才能评论

评论列表(0条)

保存