如果显著相关,输出结果会有号显示,只要百sig的P值大于度005就是显著相关。如果是负值则是负相关。step1:建立数据文件 file——new——data;
定义变量 选中左下角菜单Variable view,输入变量名T,其他选项不变,令起一行,输入变量
名G其他选项不变,切换到data view(在左下角),将数据复制进去。
Step2:进行数据分析:在spss最上面菜单里面选中Analyze——correlate——bivariate(双变量)
左边包含G,T的框为源变量框,后面的空白框为分析变量框,我们现在需要分析G和T的关系,因此将源变量框中的G和T选进分析变量框待分析。
(1)correlation coefficients(相关系数)包括三个选项:
Pearson:皮尔逊相关,计算连续变量或是等间距测度的变量间的相关分析;
Kendall:肯德尔相关,计算等级变量间的秩相关;
Spearman:斯皮尔曼相关,计算斯皮尔曼秩相关。
注:Pearson可用来分析①分布不明,非等间距测度的连续变量
Kendall可用来分析①分布不明,非等间距测度的连续变量,②完全等级的离散变量,③数据资料不服从双变量正态分布或总体分布型未知。第②种情况只能用Kendall分析
Spearman可用来分析数据资料不服从双变量正态分布或总体分布型未知
(2)Test of significance选项
Two-tailed:双尾检验,如果事先不知道相关方向(正相关还是负相关)则可以选择此项;
One-tailed:单尾检验,如果事先知道相关方向可以选择此项。
(3)Flag significant correlations:表明显著水平,如果选择此项,输出结果中在相关系数值右上方使用标示显著性水平为5%,用标示其显著性水平为1%
首先使用pearson,two-tailed(下图),点击右侧options
statistics为统计量,包括均值和标准差 叉积离方差和协方差
missing values 选择默认
点击continue——ok
输出结果(下图)
相关系数为0975,显著性p=0000<001,有统计学意义
选用Kendall 肯德尔,结果如下:
选用spearman 斯皮尔曼,结果如下:
画散点图:选中Graphs——Scatter/dot-----Simple scatter------define
首先:analyze-correlate-bivariate-选择变量
之后,OK 输出的就是相关系数矩阵(相关系数下面的Sig是显著性检验结果的P值,越接近0越显著)
表格下方也有一些相关解释,记得看明白再做进行下一步
如果你比较熟悉电脑excel表格的 *** 作,就直接按下列提示得出SPSS相关系数矩阵
:首先,分析-降维-因子分析;
然后把你想生成的相关矩阵中的变量全部拉入“变量”,点“描述”,在下边的“相关矩阵”框中,选中“系数”“显著性”“行列式”;
最后,点“确定”即可。
SPSS软件
利用SPSS打开数据文件。
依次选择“分析”--“相关”--“两变量”,d出对话框。
将“能源消费总量”和“GDP”依次选择进入“变量”对话框,点击“确定”。
得出两变量之间的相关r系数为0986,上面有两个"",表示在95%的可信度之下,相关系数为0986如果系数上有一个“”,则表示可信度为90%。
依次打开“图像”--“旧对话框”--“散点/点状”,d出对话框。
选择第一个“简单分布”,然后点击“定义”,d出简单分布对话框。
纵轴选择“能源消费总量”,横轴选择“GDP",点击”确定”。
输出所需散点图,能看出两变量有显著相关性,与相关系数接近1相一致,
特别提示这是SPSS220版,英文版与中文版 *** 作步骤相同。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)