
SPSS分析技術(shù):偏相關(guān)分析
相關(guān)分析是研究兩個變量共同變化的密切程度,但有時出現(xiàn)相關(guān)的兩個變量又同時與另外的一個變量相關(guān),在這三個變量中,有可能只是由于某個變量充當(dāng)了相關(guān)性的中介作用,而另外的兩個變量并不存在實質(zhì)性的相關(guān)關(guān)系。這種情形導(dǎo)致數(shù)據(jù)分析中出現(xiàn)“偽相關(guān)”現(xiàn)象,造成偽相關(guān)現(xiàn)象的變量被稱為“橋梁變量”。
例如,在研究大學(xué)生上網(wǎng)時間,游戲時間、完成作業(yè)情況、考試成績的相關(guān)性時,往往發(fā)現(xiàn)上網(wǎng)時間與作業(yè)情況、考試成績呈現(xiàn)不明顯的負(fù)相關(guān)性,同時上網(wǎng)時間又和游戲時間呈現(xiàn)高度正相關(guān)性,游戲時間與作業(yè)情況、考試成績也呈現(xiàn)為負(fù)相關(guān)性。那么,上網(wǎng)時間與作業(yè)情況、考試成績之間的微弱負(fù)相關(guān)性是真的嗎?
在數(shù)據(jù)的相關(guān)性分析中,為了摒棄橋梁變量的影響力,發(fā)現(xiàn)變量內(nèi)部隱藏的真正相關(guān)性,人們引入了偏相關(guān)分析的概念。偏相關(guān)分析是在剔除控制變量的影響下,分析指定變量之間是否存在顯著的相關(guān)性。
偏相關(guān)分析
首先在驗證了數(shù)據(jù)內(nèi)部存在相關(guān)性后,如果懷疑可能存在橋梁變量,則可以把橋梁變量作為控制變量,重新進(jìn)行相關(guān)性分析,檢查在排除了橋梁變量的影響力之后,其它變量之間是否還存在關(guān)聯(lián)性。如果開始有相關(guān)關(guān)系,剔除了控制變量之后,相關(guān)關(guān)系不存在了,說明控制變量為橋梁變量。
范例分析
現(xiàn)在采集到60條學(xué)生數(shù)據(jù),分析上網(wǎng)時間、游戲時間、作業(yè)情況和數(shù)學(xué)成績之間的相關(guān)性,并探索本案例中是否存在橋梁變量。數(shù)據(jù)如下:
SPSS分析步驟
1、選擇菜單【分析】-【相關(guān)】-【雙變量】命令,啟動四個變量的相關(guān)性分析,操作如下圖,將上網(wǎng)時間、游戲時間、作業(yè)情況和數(shù)學(xué)成績選入變量區(qū)域內(nèi),進(jìn)行分析。
2、分析者根據(jù)實際情況,懷疑游戲時間是橋梁變量,因為游戲時間的存在,導(dǎo)致另外三個變量之間存在著高度相關(guān)性。因此以游戲時間作為控制變量,進(jìn)行偏相關(guān)分析。選擇菜單【分析】-【相關(guān)】-【偏相關(guān)】命令,啟動偏相關(guān)分析,將上網(wǎng)時間、作業(yè)情況和數(shù)學(xué)成績選為變量,將游戲時間選為控制變量。
結(jié)果分析
雙變量相關(guān)分析結(jié)果如下:
從上圖結(jié)果可知,上網(wǎng)時間與游戲時間是正相關(guān)的(相關(guān)系數(shù)為1,概率為0.000);與作業(yè)情況和數(shù)學(xué)成績是負(fù)相關(guān)的(相關(guān)系數(shù)為-0.957和-0.986,檢驗概率都為0),表示這四個變量之間都存在著顯著相關(guān)性。
偏相關(guān)分析結(jié)果
從上圖結(jié)果可知,當(dāng)剔除游戲時間以后,上網(wǎng)時間與作業(yè)情況和數(shù)學(xué)成績之間的相關(guān)系數(shù)都為0,顯著性為1,大于0.05,說明它們之間不存在相關(guān)性。
結(jié)論
在本案例中,直接分析四個變量的相關(guān)性水平發(fā)現(xiàn),上網(wǎng)時間與作業(yè)情況、數(shù)學(xué)成績之間存在顯著相關(guān)。然而,偏相關(guān)檢驗的結(jié)論說明,上網(wǎng)時間與作業(yè)情況,數(shù)學(xué)成績的顯著相關(guān)是由游戲時間引起的,游戲時間在上網(wǎng)時間、作業(yè)情況和數(shù)學(xué)成績之間起到橋梁作用,它確實是一個橋梁變量。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11