目录

数据类型

相关性分析的方法

用spss操作

卡方检测

Eta检测

 皮尔逊(Pesrson)检测

 Spearman(斯皮尔曼)

---

数据类型

先说明spss里的三种数据类型, 可以在 数据视图|测量 那里看到

分别是

1. 标度型(又称定距型) 简单来说就是有高低区别又有大小取值的, 如温度, 身高, 体重

2. 有序性(又称定序型) 只有高低区别, 没有大小取值(或者和取值没有明显关系), 如学历, 年龄

3. 名义型(又称定类型) 没有高低区别, 如性别, 民族

相关性分析的方法

顾名思义,就是看两个变量有没有某种关系? 究竟是一种什么关系?

一般只有四种方法: 卡方检测, Spearman系数, Pearson系数, Eta系数

检验不同类型的变量的方法如下表格:

表格只是说明某一类相关性用某一种方法检测比较好, 而不是说不能用其他方法检测

用spss操作

随遍编了一手数据, 不要在意细节hhh 

卡方检测

选择: 分析|描述统计|交叉表

然后把要分析的变量分别放到行和列, 比如我要分析的是抽烟和性别的关系

点击右侧的统计, 选择卡方, 其他的随便选选也行

确认后到输出视图, 重点注意卡方检测的皮尔逊卡方, 如果检测值小于0.05, 说明相关性显著, 否则相关性不显著

Eta检测

和卡方检测几乎相同的步骤, 只是选择的时候不要选卡方, 选择相关性

看对称测量, 如果图中值大于0.5, 则高度相关, 且越大相关性越大

同时如果皮尔逊系数不等于phi值, 说明他们不是线性相关的

 皮尔逊(Pesrson)检测

选择 分析|相关|双变量

选择想要分析的两个变量, 选中皮尔逊, 双尾

当然也可以在选项中选择其他想要显示的值

查看相关性, 如果皮尔逊相关大于0.5(越大表示越相关)并且双尾小于0.05(排除偶然性,通过检验)说明是高度相关

 Spearman(斯皮尔曼)

spearman检测和皮尔逊检测步骤几乎一模一样, 只是选中的是斯皮尔曼