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 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。