spss中相關分析的菜單含義

相關分析（Correlate過程分析）

當我們需要研究兩個定距以上的變量之間是否相關、相關的程度怎么樣時，就要用到相關分析。

在對話框中運行Correlate過程

Analyze---Correlate-----看對話框的含義

一．Bivariate Correlate

1．相關系數的選擇（Correlation Coefficients）

Pearson相關，也叫皮爾遜積距相關，只有變量是連續型變量時才能用這個系數，這也是系統的默認值。計算公式：

R=1，所有觀察值在一條直線上

2． Kendall’s Tau-b適合兩個定序變量）

tau-b =

3．Spearman的 rho系數

在這個對話框中雖然也給出了另外兩個相關系數，但線性相關一般用R，而不是其他選擇其他的兩個。

2．檢驗選擇：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，在假設難以定出方向的時候用； one tailed ——否定域其中在一端，研究假設明確時用。

Flag significant correlations ——顯示相關系數的顯著性水平，相關系數的右上角有*，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，標準偏差

Cross-product deviation and covariance—算出離差積及協方差，在高級統計上用得多，在初級統計上一般不用

4．缺少個案值的處理：

Exclude cases pairwise不管其他變量有沒有缺少值，只要計算相關系數的那對變量不存在缺省值，就不刪除這個個案

Exclude cases listwise：只要有一個變量有缺省值，就把這個個案刪除。

例子1：進行目前收入與受教育年限之間的相關關系

1．在進行分析以前，一般要先做散點圖，判斷兩變量之間有沒有相關趨勢，是否是線性相關的趨勢，如果是，繼續分析，如果不是，則不能直接進行分析了。

2．進行相關分析， 用2000年中國統計數據

例子2：人均GDP與地區人力資本狀況之間的關系

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．農民工文化程度與目前收入水平的相關狀況

二．Partial correlation偏相關（也叫凈相關）

主要分析多個變量的作用，在分析任意兩個變量的相關時，控制第三方變量以后，來確定兩個變量之間的真實相關以及方向。

凈相關系數是以R相關系數為基礎的，因此屬于對稱相關測量的一種，它要求變量之間是直線關系，而且所有變量必須是定距變量。偏相關系數可以從不同的角度來說明，相應地有不同的計算公式，它可以通過加入這以變量以后和未加入這個變量時相關程度的增加數來表示

某因素與因變量的偏相關系數=

凈相關的平方具有消減誤差比例的含義

Analyze-----Correlate-----Partial------打開對話框

Variables——選擇要計算偏相關系數的變量――如人均GDP，城鎮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——檢驗的顯著性水平

Options:

Statistics

Means and standard deviations 給出每個變量的均數與標準差

Zero order correlation——給出包括協變量在內的所有變量的相關矩陣

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

沒有控制人力資本狀況時相關：

控制以后的相關：

- - -  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算變量之間或觀察量之間的相似性。使用距離分析可以對變量進行分類，性質越接近的樣本，他們的距離越近，相似系數越大，越接近1或-1。而彼此無關的樣本，則其相似系數越接近0。相似性強的樣本屬于一類。相似性差的則屬于不同的類別。

1．打開主對話框

2．選擇進行距離分析的變量weight , mpg, accel進入Variables框

注意：在 Label cases by框內可放入一個變量，則取值會在輸出結果中給相應的記錄加上標簽，以方便閱讀，只在分析個案之間的距離有用。

3．在compute distance 欄內選擇Between variables，計算每一對變量之間的距離。

Between cases:兩個個案之間的距離，選擇這項，會給出每一對觀察量之間的距離

Between variables： 每一對變量之間的距離

4．在 Measure欄內選擇Dissimilarity 選項，來分析變量之間的不相似性，系統默認使用歐氏距離來分析，數值越大，距離越遠。相似性測量―――默認的是Pearson correlation。  不相似分析與聚類分析基本相同。

測量選擇問題：

單擊Measures，打開Dissimilarity Measures對話框，在對話框內選擇 Euclidean distance選項，Range0 TO1   選項

選擇哪一種測度？一般使用默認值，這些選擇項的含義如下，不過沒有必要去詳記。

選擇interval選項，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

●     phi-square measure   的值除于聯合頻數的平方根

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 使用大小不同的測度來測量，最小距離0，最大為無窮

●    Pattern difference  在0-1的范圍測度

●    Variance 用方表示距離

●    Shape 在0-1的范圍測度

●    Lance and Williams 0-1范圍測度

Transform Values

Standardize

●    None 對觀察值或變量不進行標準化

●    Z score 標準化到Z分數（均值0，方差1）

●    Range –1 to 1觀察值或變量標準化到-1----1的范圍內

●    Range 0 to 1觀察值或變量標準化到0----1的范圍內

●    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準差

Transform measures

●    Absolute values 對距離取絕對值

●Change sign 對距離取負數

●    Rescale to 0-1 ranges 對距離進行標準化

如何對相似性進行測度

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

選擇Inerval時

●Pearson correlation 取值在-1---1之間

●Cosine 用余弦來度量相似性，  

選擇Binary時

●Russell and rao使用二分點乘積為配對系數

●Simple matching 配對數占總對數的比例

●Jaccard 講分子與分母中的配對數與非配對數給予相同的權重

●Dice 使用DICE配對系數

●Rogers and Tanimoto 分母為配對數，分子為非配對數，非配對數給以加倍的權重

●Sokal and Sneath1分母為配對數，分子為非配對數，配對數給以加倍的權重

●Sokal and Sneath2分母、分子均為非配對數，分子以加倍的權重

●Sokal and Sneath3分母為配對數，分子為非配對數，分子、分母的權重相同

Transform measures

●    Absolute values 對距離取絕對值

●Change sign 對距離取負數

●    Rescale to 0-1 ranges 對距離進行標準化

Standardize

●    None 對觀察值或變量不進行標準化

其余與前面相同

實例：

數據：SPSS所帶的judges.sav數據

中、美、法等7個國家的裁判與沒有結果嚴格訓練的體育愛好者在進行體育比賽時對選手的評分，根據評分高低來看那些國家的裁判在評判上比較一致，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  默認方式

5．  結果：

結論：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。