查看: 3670|回复: 1

Pearson相关分析SPSS操作

[复制链接]

824

主题

368

回帖

293

日志

荣誉会员

积分
6538
QQ
发表于 2023-10-18 16:59:34 | 显示全部楼层 |阅读模式
本帖最后由 hyc3140 于 2023-10-18 17:08 编辑

线性相关是最常见的相关分析,也叫做Pearson相关分析。定性资料相关:当一个变量增大,另一个变量也随之增大,称为共变或相关。两个变量有共变现象即称有相关关系。反映两定量指标间呈线性关系趋势的关系称为线性相关,又称简单相关,统计学指标为Pearson相关系数。
在参数检验的相关性分析方法主要是皮尔逊相关(Pearson correlation)。既然是参数检验方法,肯定是有一些前提条件。皮尔逊相关的前提是必须满足以下几个条件:
  • 变量是连续变量;
  • 比较的两个变量必须来源于同一个总体;
  • 没有异常值;
  • 两个变量都符合正态分布。

两变量间的线性关系密切程度与相关方向用直线相关系数r表示(-1≤ r ≤ 1)。r>0为正相关,r<0为负相关,r=0为零相关或无相关,|r|=1为完全相关,|r|越大说明相关程度越密切。

案例:
求总胆固醇(TC)与低密度脂蛋白(LDL)间的相关性。
分析思路:散点图 » 计算相关系数 » 相关系数的假设检验。

SPSS操作
1散点图
qw1.jpg

qw2.jpg

qw3.jpg

结果
qw4.jpg
注:检查有无异常点,谨慎剔除。

2相关分析
qw5.jpg

SPSS相关分析模块
Bivariate(双变量):用于进行两个/多个变量间的参数/非参数相关分析。如果是多个变量,则给出两两相关的分析结果。最常用——线性相关、秩相关。
Partial(偏相关):如果需要进行相关分析的两个变量,其取值受到其他变量的影响,则偏相关分析可以对其他变量进行控制,输出控制其他变量后的相关系数。
Distance(距离):该过程一般不单独用,作为因子分析、聚类分析和多维尺度分析的预分析过程。

相关分析SPSS » Analyze » correlate » bivariate correlation

qw6.jpg

结果
qw7.jpg
        计算相关系数:Pearson相关系数r=0.491>0,说明正相关。相关系数的假设检验:P<0.001,说明该r具有统计学意义。

3注意事项
  • 进行线性相关分析前,必须先做散点图,以初步判断两变量之间是否存在相关趋势?该趋势是否为线性趋势?以及数据中是否存在异常点?
  • 相关分析不一定是因果关系!例如:某夫妇生儿种树,儿长树高,相关关系有统计学意义,但非因果关系。
本部分文字信息来自网络,如涉及到作者的权益,请及时通知我们。
希望疫情早日结束!
回复 关闭延时

使用道具 举报

824

主题

368

回帖

293

日志

荣誉会员

积分
6538
QQ
发表于 2023-10-18 17:02:55 | 显示全部楼层
Pearson相关性分析的解读方法

1. 判断相关性的强度

根据相关系数的绝对值,可以判断相关性的强度。一般而言,相关系数大于0.7或小于-0.7被认为是强相关,0.4到0.7或-0.4到-0.7之间被认为是中等相关,0到0.4或-0到-0.4之间被认为是弱相关。

2. 判断相关性的方向

根据相关系数的正负,可以判断相关性的方向。正相关表示两个变量之间存在正相关关系,负相关表示两个变量之间存在负相关关系。

3. 注意相关性与因果关系的区别

相关性只能表明两个变量之间存在关系,但不能证明其中的因果关系。因此,在解读相关性分析结果时,需要谨慎,避免将相关性误解为因果关系。
希望疫情早日结束!
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 注册  

本版积分规则

快速回复 返回顶部 返回列表