了解变量之间的关联程度

1 概念

相关分析：通过图形和数值揭示事物之间统计关系的强弱程度。
image.png

2 散点图

2.1 介绍

作用：直观地发现变量间的统计关系以及它们的强弱程度和数据对的可能走向。

2.2 操作步骤

2.2.1菜单操作

按照“图形—旧对话框—散点/点状”的操作顺序
image.png
出现以下页面：
选择“简单分布”，然后点击“定义”
image.png
出现以下界面，分别将研究变量放入Y轴和X轴中 ：
点击“确定”即可
image.png

2.2.2 语法操作

按照“文件—新建—语法”的操作顺序
image.png
出现以下页面，在页面中输入语法，然后点击绿色的按钮，运行代码
语法如下：

  1. GRAPH
  2.   /SCATTERPLOT(BIVAR)=界面风格符合审美 WITH 总体满意度
  3.   /MISSING=LISTWISE.

2.3结果解析

生成图形如下，可以发现二者存在一定的关系。
image.png

3 简单相关分析

3.1介绍

相关系数：以数值方式精确反映变量间线性相关的强弱程度。
-1<=r<=1，r绝对值>0.8是较强线性关系，<0.3线性关系较弱。
Pearson相关使用条件：>30对数据；分布正态；连续变量，测量数据，等距和等比；关系是线性的。
Spearman相关使用条件：等级数据；可不为正态；等距等比数据不为正态时可转化成等级数据计算相关。
Kendall’s tau-b相关使用条件：>2列数据；k个评价者评价j个产品进行等级评定。

3.2 操作步骤

3.2.1菜单操作

按照“分析—相关—双变量”的操作顺序
image.png
将需要做相关的两个变量选入右边的变量框，按以下界面操作：
image.png
点击选项，勾选红色框中的内容，点击“继续”
image.png
回到上一个页面，点击“确定”，生成结果

3.2.2语法操作

按照“文件—新建—语法”的操作顺序
image.png
出现以下页面，在页面中输入语法，然后点击绿色的按钮，运行代码
语法如下：

  1. CORRELATIONS
  2.   /VARIABLES=总体满意度 界面风格符合审美
  3.   /PRINT=TWOTAIL NOSIG
  4.   /STATISTICS DESCRIPTIVES XPROD
  5.   /MISSING=PAIRWISE.


3.3结果解析

描述性统计输出了变量的平均数、标准差和样本数量。
image.png

相关表输出了两个变量的相关系数和p值。一般只需看对角线的上方或者下方
p值小于0.05或者出现，则相关是显著的。
（注：p<0.05,**p<0.01,***p<0.001）
image.png
2354和2404为离差平方和，0.405和0.414为样本方差。
1785为两变量的叉积离差，0.307为协方差。

4 偏相关分析

4.1介绍

偏相关分析又名净相关分析，偏相关系数又名净相关系数。
变量X与Y均与变量C有显著的相关，那么变量X与Y之间的相关是二者单纯的相关还是受到变量C的影响，偏相关分析可以控制变量C，从而探讨变量X与Y的关系。
控制变量数为1，是一阶偏相关；为2，是二阶偏相关；为零，是零阶偏相关，也就是相关系数。
**

4.2操作步骤

4.2.1菜单操作

按照“分析—相关—双变量”的操作顺序
image.png
将需要做相关的两个变量选入右边的变量框，将与前两个变量都有关系的另一个变量选入controlling for（可选一个或多个变量）的框中，按以下界面操作：
image.png

点击选项，按以下界面操作，点击“继续”
注：选择零阶相关系数，可比较相关系数的变化
image.png
回到上一个页面，点击“确定”，生成结果

4.2.2语法操作

按照“文件—新建—语法”的操作顺序
image.png
出现以下页面，在页面中输入语法，然后点击绿色的按钮，运行代码
语法如下：

  1. PARTIAL CORR
  2.   /VARIABLES=总体满意度 内容质量 BY 服务质量
  3.   /SIGNIFICANCE=TWOTAIL
  4.   /STATISTICS=DESCRIPTIVES CORR
  5.   /MISSING=LISTWISE.


4.3结果解析

描述性统计输出了变量的平均数、标准差和样本数量。
image.png
相关表输出了两个变量的相关系数和p值。一般只需看对角线的上方或者下方。
（注：“无”输出的是零阶相关系数，包含三者的相关。
“服务质量”指在控制“服务质量”不变以后，剩余两个变量的相关。可以看到二者相关从0.750降到了0.452，说明总体满意度与内容质量的高相关与服务质量有关。）
image.png