SPSS相关分析实验报告.doc
文本预览下载声明
本科教学实验报告
(实验)课程名称:数据分析技术系列实验
实 验 报 告
学生姓名:
一、实验室名称:
二、实验项目名称:相关分析
三、实验原理
相关关系是不完全确定的随机关系。在相关关系的情况下,当一个或几个相互联系的变量取一定值得时候,与之相应的另一变量的值虽然不确定,但它仍然按照某种规律在一定的范围内变化。
按照数据度量的尺度不同,相关分析的方法也不同,连续变量之间的相关性常用Pearson简单相关系数测定;定序变量的相关系数常用Spearman秩相关系数和Kendall秩相关系数测定;定类变量的相关分析要使用列连表分析法。
四、实验目的
理解相关分析的基本原理,掌握在SPSS软件中相关分析的主要参数设置及其含义,掌握SPSS软件分析结果的含义及其分析。
实验内容及步骤
实验内容:以雇员表数据,
1)分析性别与之间存在相关关系
2)分析教育程度与之间是否存在相关。
1. 分析性别与之间存在相关关系
分析:性别属于定类变量,是离散值,卡方检验。Step1.操作为Analyze \ Descriptive Statistics \ Crosstabs
Step2.将性别Gender)收入Current Salary)分别Rows列表框和Columns列表框。
Step3.单击Statistics按钮,在弹出的子对话框中选中默认的Chi-square,进行卡方检验。到主对话框,单击ok。
2. 分析教育程度与之间是否存在相关。
:为定序变量,工资为变量可使用Spearman和Kendall秩相关系数检验。
Step1.操作Legacy Dialogs / Scatter,选择Simple Scatter,程度为自变量,工资为因变量,散点图。
散点图结果如图示,二者存在线性相关关系。只有线性相关的关系确定后才能继续进行下一步分析。因此, 在进行相关分析之前的预分析过程也是十分重要的。
Step2.两变量相关分析,操作为Analyze / Correlate / Bivariate,选择Kendall和Spearman相关系数。
六、实验器材(设备、元器件):
计算机、打印机、硒鼓、碳粉、纸张
七、实验数据及结果分析
1.分析性别与之间存在相关关系
卡方检验结果为
卡方检验 值 df 渐进 Sig. (双侧) Pearson 卡方 290.785a 220 .001 似然比 390.179 220 .000 有效案例中的 N 474 a. 440 单元格(99.5%) 的期望计数少于 5。最小期望计数为 .46。
水平为即至少有%的把握认为性别存在显著相关系。
教育程度与之间是否存在相关。
相关系数 Educational Level (years) Current Salary Kendall 的 tau_b Educational Level (years) 相关系数 1.000 .554** Sig.(双侧) . .000 N 474 474 Current Salary 相关系数 .554** 1.000 Sig.(双侧) .000 . N 474 474 Spearman 的 rho Educational Level (years) 相关系数 1.000 .688** Sig.(双侧) . .000 N 474 474 Current Salary 相关系数 .688** 1.000 Sig.(双侧) .000 . N 474 474 **. 在置信度(双测)为 0.01 时,相关性是显著的。
Kendall和Spearman相关系数所以可以认为教育程度和工资正相关。
八、实验结论
SPSS在数据分析方面提供了强大的能力,可以快速地进行相关分析,重点在于分清连续变量、定序变量、定类变量,以及与其联系的相关系数。
总结及心得体会
Spss有着强大的相关分析功能,在使用spss的同时一定要与统计学的理论联系在一起,理清每种统计方法的内在含义。
十、对本实验过程及方法、手段的改进建议
分清连续变量、定序变量、定类变量是进行相关分析的基础,要牢记与每种变量相匹配的相关系数。
9
显示全部