spss中相關(guān)分析的菜單含義

相關(guān)分析（Correlate過程分析）

當(dāng)我們需要研究兩個(gè)定距以上的變量之間是否相關(guān)、相關(guān)的程度怎么樣時(shí)，就要用到相關(guān)分析。

在對(duì)話框中運(yùn)行Correlate過程

Analyze---Correlate-----看對(duì)話框的含義

一．Bivariate Correlate

1．相關(guān)系數(shù)的選擇（Correlation Coefficients）

Pearson相關(guān)，也叫皮爾遜積距相關(guān)，只有變量是連續(xù)型變量時(shí)才能用這個(gè)系數(shù)，這也是系統(tǒng)的默認(rèn)值。計(jì)算公式：

R=1，所有觀察值在一條直線上

2． Kendall’s Tau-b適合兩個(gè)定序變量）

tau-b =

3．Spearman的 rho系數(shù)

在這個(gè)對(duì)話框中雖然也給出了另外兩個(gè)相關(guān)系數(shù)，但線性相關(guān)一般用R，而不是其他選擇其他的兩個(gè)。

2．檢驗(yàn)選擇：Two tailed：否定域在兩端的位置，兩端比一端更加難以否定原假設(shè)，在假設(shè)難以定出方向的時(shí)候用； one tailed ——否定域其中在一端，研究假設(shè)明確時(shí)用。

Flag significant correlations ——顯示相關(guān)系數(shù)的顯著性水平，相關(guān)系數(shù)的右上角有*，則代表顯著性水平是5%， **代表顯著性水平是1%

如果需要得到具體的顯著性水平值，可以進(jìn)入表格編輯模式，雙擊顯著性水平值所在的單元格，可以看到確切的值。

3．Option

Statistics: Means and st均值，標(biāo)準(zhǔn)偏差

Cross-product deviation and covariance—算出離差積及協(xié)方差，在高級(jí)統(tǒng)計(jì)上用得多，在初級(jí)統(tǒng)計(jì)上一般不用

4．缺少個(gè)案值的處理：

Exclude cases pairwise不管其他變量有沒有缺少值，只要計(jì)算相關(guān)系數(shù)的那對(duì)變量不存在缺省值，就不刪除這個(gè)個(gè)案

Exclude cases listwise：只要有一個(gè)變量有缺省值，就把這個(gè)個(gè)案刪除。

例子1：進(jìn)行目前收入與受教育年限之間的相關(guān)關(guān)系

1．在進(jìn)行分析以前，一般要先做散點(diǎn)圖，判斷兩變量之間有沒有相關(guān)趨勢(shì)，是否是線性相關(guān)的趨勢(shì)，如果是，繼續(xù)分析，如果不是，則不能直接進(jìn)行分析了。

2．進(jìn)行相關(guān)分析， 用2000年中國統(tǒng)計(jì)數(shù)據(jù)

例子2：人均GDP與地區(qū)人力資本狀況之間的關(guān)系

人均GDP與15歲及以上人口中大專及以上文化程度者百分比

3．農(nóng)民工文化程度與目前收入水平的相關(guān)狀況

二．Partial correlation偏相關(guān)（也叫凈相關(guān)）

主要分析多個(gè)變量的作用，在分析任意兩個(gè)變量的相關(guān)時(shí)，控制第三方變量以后，來確定兩個(gè)變量之間的真實(shí)相關(guān)以及方向。

凈相關(guān)系數(shù)是以R相關(guān)系數(shù)為基礎(chǔ)的，因此屬于對(duì)稱相關(guān)測(cè)量的一種，它要求變量之間是直線關(guān)系，而且所有變量必須是定距變量。偏相關(guān)系數(shù)可以從不同的角度來說明，相應(yīng)地有不同的計(jì)算公式，它可以通過加入這以變量以后和未加入這個(gè)變量時(shí)相關(guān)程度的增加數(shù)來表示

某因素與因變量的偏相關(guān)系數(shù)=

凈相關(guān)的平方具有消減誤差比例的含義

Analyze-----Correlate-----Partial------打開對(duì)話框

Variables——選擇要計(jì)算偏相關(guān)系數(shù)的變量――如人均GDP，城鎮(zhèn)居民家庭人均可支配收入

Controlling for—放入控制變量――每10萬人口中大專及以上者百分比

Test of significance——檢驗(yàn)的顯著性水平

Options:

Statistics

Means and standard deviations 給出每個(gè)變量的均數(shù)與標(biāo)準(zhǔn)差

Zero order correlation——給出包括協(xié)變量在內(nèi)的所有變量的相關(guān)矩陣

例子: 控制每10萬人口中大專及以上者百分比，求人均GDP與城鎮(zhèn)居民家庭人均可支配收入之間的凈相關(guān)

沒有控制人力資本狀況時(shí)相關(guān)：

控制以后的相關(guān)：

- - -  P A R T I A L   C O R R E L A T I O N   C O E F F I C I E N T S  - - -

Controlling for..    JCOLLEGE

PCGDP     DISINC

PCGDP         1.0000      .7772

(    0)    (   28)

P= .       P= .000

DISINC         .7772     1.0000

(   28)    (    0)

P= .000    P= .

(Coefficient / (D.F.) / 2-tailed Significance)

" . " is printed if a coefficient cannot be computed

三．距離分析（Distance）

距離分析主要是用來計(jì)算變量之間或觀察量之間的相似性。使用距離分析可以對(duì)變量進(jìn)行分類，性質(zhì)越接近的樣本，他們的距離越近，相似系數(shù)越大，越接近1或-1。而彼此無關(guān)的樣本，則其相似系數(shù)越接近0。相似性強(qiáng)的樣本屬于一類。相似性差的則屬于不同的類別。

1．打開主對(duì)話框

2．選擇進(jìn)行距離分析的變量weight , mpg, accel進(jìn)入Variables框

注意：在 Label cases by框內(nèi)可放入一個(gè)變量，則取值會(huì)在輸出結(jié)果中給相應(yīng)的記錄加上標(biāo)簽，以方便閱讀，只在分析個(gè)案之間的距離有用。

3．在compute distance 欄內(nèi)選擇Between variables，計(jì)算每一對(duì)變量之間的距離。

Between cases:兩個(gè)個(gè)案之間的距離，選擇這項(xiàng)，會(huì)給出每一對(duì)觀察量之間的距離

Between variables： 每一對(duì)變量之間的距離

4．在 Measure欄內(nèi)選擇Dissimilarity 選項(xiàng)，來分析變量之間的不相似性，系統(tǒng)默認(rèn)使用歐氏距離來分析，數(shù)值越大，距離越遠(yuǎn)。相似性測(cè)量―――默認(rèn)的是Pearson correlation。  不相似分析與聚類分析基本相同。

測(cè)量選擇問題：

單擊Measures，打開Dissimilarity Measures對(duì)話框，在對(duì)話框內(nèi)選擇 Euclidean distance選項(xiàng)，Range0 TO1   選項(xiàng)

選擇哪一種測(cè)度？一般使用默認(rèn)值，這些選擇項(xiàng)的含義如下，不過沒有必要去詳記。

選擇interval選項(xiàng)，要求變量是定距的，如長度、重量、壓力等

●    Euclidean Distance   

●    Squared Euclidean distance

●    Chebychev     

●    Block     

●    Minkowski   

●    Customized   容許用戶自己定義距離公式。

選擇counts

●    chi-square measure  卡方檢驗(yàn)

●     phi-square measure   的值除于聯(lián)合頻數(shù)的平方根

選擇 Binary

●    Euclidean Distance     最小距離0，最大為無窮

●    Squared Euclidean distance    最小距離0，最大為無窮

●    Size difference 使用大小不同的測(cè)度來測(cè)量，最小距離0，最大為無窮

●    Pattern difference  在0-1的范圍測(cè)度

●    Variance 用方表示距離

●    Shape 在0-1的范圍測(cè)度

●    Lance and Williams 0-1范圍測(cè)度

Transform Values

Standardize

●    None 對(duì)觀察值或變量不進(jìn)行標(biāo)準(zhǔn)化

●    Z score 標(biāo)準(zhǔn)化到Z分?jǐn)?shù)（均值0，方差1）

●    Range –1 to 1觀察值或變量標(biāo)準(zhǔn)化到-1----1的范圍內(nèi)

●    Range 0 to 1觀察值或變量標(biāo)準(zhǔn)化到0----1的范圍內(nèi)

●    Maximum magnitude of 1 觀察值或變量都除于觀察值或變量的最大值

●    Mean of 1 觀察值或變量都除于均值，如果均值為0，則先加1

●Standardized devation of 1觀察值或變量都除于標(biāo)準(zhǔn)差

Transform measures

●    Absolute values 對(duì)距離取絕對(duì)值

●Change sign 對(duì)距離取負(fù)數(shù)

●    Rescale to 0-1 ranges 對(duì)距離進(jìn)行標(biāo)準(zhǔn)化

如何對(duì)相似性進(jìn)行測(cè)度

Measures-----Similarities-----

選擇Inerval時(shí)

●Pearson correlation 取值在-1---1之間

●Cosine 用余弦來度量相似性，  

選擇Binary時(shí)

●Russell and rao使用二分點(diǎn)乘積為配對(duì)系數(shù)

●Simple matching 配對(duì)數(shù)占總對(duì)數(shù)的比例

●Jaccard 講分子與分母中的配對(duì)數(shù)與非配對(duì)數(shù)給予相同的權(quán)重

●Dice 使用DICE配對(duì)系數(shù)

●Rogers and Tanimoto 分母為配對(duì)數(shù)，分子為非配對(duì)數(shù)，非配對(duì)數(shù)給以加倍的權(quán)重

●Sokal and Sneath1分母為配對(duì)數(shù)，分子為非配對(duì)數(shù)，配對(duì)數(shù)給以加倍的權(quán)重

●Sokal and Sneath2分母、分子均為非配對(duì)數(shù)，分子以加倍的權(quán)重

●Sokal and Sneath3分母為配對(duì)數(shù)，分子為非配對(duì)數(shù)，分子、分母的權(quán)重相同

Transform measures

●    Absolute values 對(duì)距離取絕對(duì)值

●Change sign 對(duì)距離取負(fù)數(shù)

●    Rescale to 0-1 ranges 對(duì)距離進(jìn)行標(biāo)準(zhǔn)化

Standardize

●    None 對(duì)觀察值或變量不進(jìn)行標(biāo)準(zhǔn)化

其余與前面相同

實(shí)例：

數(shù)據(jù)：SPSS所帶的judges.sav數(shù)據(jù)

中、美、法等7個(gè)國家的裁判與沒有結(jié)果嚴(yán)格訓(xùn)練的體育愛好者在進(jìn)行體育比賽時(shí)對(duì)選手的評(píng)分，根據(jù)評(píng)分高低來看那些國家的裁判在評(píng)判上比較一致，哪些國家的裁判比較不一致。

1．  Analyze---Correlate---Distances

2．  Variable---judge1-judge8

3．  選擇Between variables

4．  Measure—選擇Dissimilarities  默認(rèn)方式

5．  結(jié)果：

結(jié)論：美、法、韓國的裁判比較接近；中、俄、羅比較接近。體育愛好者與7國裁判差別大。