您好,欢迎访问三七文档
当前位置:首页 > 医学/心理学 > 医学试题/课件 > SPSS第十三讲相关性分析
第九讲相关分析•第一部分上一讲回顾•第二部分相关分析的概念•第三部分简单相关分析•第四部分相关分析的SPSS过程第一部分第八讲回顾多因素方差分析SPSS操作建立数据文件设置方差分析对话框:分析变量、分析模型、比较方法、均值图、多重比较、保存运算符、输出项、提交执行输出结果方差分析主对话框菜单选择:AnalyzeGeneralLinearModeUnivariate设置因变量设置因素变量协变量权重变量单击选择分析模型单击选择比较方法单击选择均值图单击选择多重比较单击选择输出项单击保存运算值最后单击输出结果选择分析模型系统默认,建立全模型,包括所有因素变量主效应和交互效应自定义模型,选择后Factors&Covariates被激活,框中变量可作为协变量Interaction指定任意交互效应Maineffects指定主效应All2-way指定所有2维交互效应All3-way指定所有3维交互效应All4-way指定所有4维交互效应All5-way指定所有5维交互效应平方和选择项:TypeⅠ:分层处理平方和。仅对模型主效应之前的每项进行调整,一般适用于:平衡的ANOVA模型。一阶交互效应前指定主效应,二阶交互效应前指定一阶交互效应,依次类推。TypeⅡ:对其他所有效应进行调整。一般适用于:平衡的ANOVA模型、主因子效应模型、回归模型、嵌套设计。TypeⅢ:系统默认。对其他任何效应均进行调整。它的优势是把所估计剩余常量也考虑到单元频数中。一般适用于:TypeⅠ、TypeⅡ、没有空单元的平衡和不平衡模型。TypeⅣ;没有缺失单元的设计使用此方法对任何效应计算平方和。选择此项包括截距最后单击返回主对话框选择比较方法候选因子变量框方法选择下拉列表:None:不进行均数比较Deviation:除被忽略的水平外,比较预测变量或因素变量的每个水平的效应。可选择“Last”或“First”作为参考水平。Simple:除作为参考水平外,对预测变量或因素变量的每一水平都与参考水平进行比较,可选择“Last”或“First”作为参考水平。Difference:对预测变量或因素每一水平的效应,除第一水平外,都与其前面各水平的平均效应进行比较。Helmert:与Difference方向相反。Repeated:对相邻的水平进行比较。除第一水平外,每一水平都与它前面水平进行比较。Polynomial:多项式比较。因素变量和比较方法选择后,单击此按钮改变。多重比较对话框从Fcator中选择因素变量到PostHocTestsfoc中,进行比较。比较方法包括方差齐性与方差不齐两种情况,方差齐性给出了14种,方差不齐给出了4种。其含义与单因素方差分析相同。最后单击返回主对话框均值图对话框均值图用于比较边际均值。轮廓图是线图,图中每个点表明因变量在因素变量每个水平上的边际均值的估计值。如果指定了协变量,该均值则是经过协变量调整的均值。因变量做轮廓图的幽会轴;一个因素变量做横轴。单方差分析时,轮廓图表明该因素各水平的因变量均值;双因素方差分析时,指定一个因素做横轴变量,另一个因素变量的每个水平产生不同的线。因素变量列表选择一个因素作为横轴变量分线框:如果想看两个因素变量组合或两个因变量间是否存在交互效应,则从因素变量列表中选择一个因素变量到此框中。并单击Add按钮,自动生成图形表达式。分图框:如果还有因素变量,将其送至此框,操作方法同分线框保存计算结果对话框功能:可以将所计算的预测值、残差和检测值作为新的变量保存在编辑数据文件中,以便在其他统计分析中使用这些值。预测值:□非标准化预测值□如果在主对话框中选择了WLS变量,选中该复选项将保存加权非标准化预测值□预测值标准误诊断值:□距离□非中心化Leverage值保存协方差矩阵残差:□非标准化残差值(观测值与预测值之差)□加权非标准化残差(如果主对话框选择了WLS)□标准化残差(Pearson残差)□学生化残差□剔除残差,自变量值与校正预测值之差。最后单击返回主对话框输出选项边际均值设置列出“Mode1”对话框中的效应项。选择主效应,产生估计边际均值表;交互效应产生单元格均值表。□描述统计量□效应量估计□计算功能显著水平(临界值0.05)□给出各因素变量模型参数估计、标准误、t检验的t值、显著性概率和95%的置信区间□显示对比系数阵□方差齐性检验□绘制观测量均值对标准差和观测量均值对方差的图形□绘制残差图□检查独立变量和非独立变量间的关系是否被充分描述□根据一般估计函数自定义假设检验。多重比较显著水平结果描述性统计量DescriptiveStatisticsDependentVariable:测试成绩83.507.416483.505.745482.257.848483.086.4171277.005.598476.255.315477.255.795476.835.0601290.004.320489.756.850490.755.439490.175.1141283.507.7051283.177.9181283.428.2401283.367.72836学习风格独特性稳定性活动性Total独特性稳定性活动性Total独特性稳定性活动性Total独特性稳定性活动性Total学习特征视觉特征听觉特征动觉特征TotalMeanStd.DeviationNTestsofBetween-SubjectsEffectsDependentVariable:测试成绩1076.556a8134.5693.584.006250166.6941250166.6946662.886.0001068.0562534.02814.223.000.7222.361.010.9907.77841.944.052.9951013.7502737.546252257.000362090.30635SourceCorrectedModelInterceptscsssc*ssErrorTotalCorrectedTotalTypeIIISumofSquaresdfMeanSquareFSig.RSquared=.515(AdjustedRSquared=.371)a.主效应与交互效应检验方差来源模型校正常数项学习特征学习风格交互项误差总和校正总计收尾概率,0.05差异显著学习特征多重比较MultipleComparisonsDependentVariable:测试成绩6.25*2.502.0191.1211.38-7.08*2.502.009-12.22-1.95-6.25*2.502.019-11.38-1.12-13.33*2.502.000-18.47-8.207.08*2.502.0091.9512.2213.33*2.502.0008.2018.476.25*2.359.044.1312.37-7.08*2.369.021-13.23-.94-6.25*2.359.044-12.37-.13-13.33*2.077.000-18.70-7.977.08*2.369.021.9413.2313.33*2.077.0007.9718.70(J)学习特征听觉特征动觉特征视觉特征动觉特征视觉特征听觉特征听觉特征动觉特征视觉特征动觉特征视觉特征听觉特征(I)学习特征视觉特征听觉特征动觉特征视觉特征听觉特征动觉特征LSDTamhaneMeanDifference(I-J)Std.ErrorSig.LowerBoundUpperBound95%ConfidenceIntervalBasedonobservedmeans.Themeandifferenceissignificantatthe.05level.*.学习风格多重比较MultipleComparisonsDependentVariable:测试成绩.332.502.895-4.805.47.082.502.974-5.055.22-.332.502.895-5.474.80-.252.502.921-5.384.88-.082.502.974-5.225.05.252.502.921-4.885.38.333.189.999-7.918.57.083.2571.000-8.338.50-.333.189.999-8.577.91-.253.2991.000-8.778.27-.083.2571.000-8.508.33.253.2991.000-8.278.77(J)学习风格稳定性活动性独特性活动性独特性稳定性稳定性活动性独特性活动性独特性稳定性(I)学习风格独特性稳定性活动性独特性稳定性活动性LSDTamhaneMeanDifference(I-J)Std.ErrorSig.LowerBoundUpperBound95%ConfidenceIntervalBasedonobservedmeans.边际均值估计结果图相关分析内容•相关分析是统计分析方法中最重要内容之一,是多元统计分析方法的基础。相关分析和回归分析主要用于研究和分析变量之间的相关关系,在变量之间寻求合适的函数关系式,特别是线性表达式。•主要内容:•对变量之间的相关关系进行分析(Correlate)。其中包括简单相关分析(Bivariate)和偏相关分析(Partial)。–数据条件:参与分析的变量数据是数值型变量或有序变量。第二部分、相关关系的概念(注意相关关系与函数关系的区别)(一)函数关系它反映着现象之间存在着严格的依存关系,也就是具有确定性的对应关系,这种关系可用一个数学表达式反映出来。例如某种商品的销售额和销售量之间,由于价格因素,所以两者可表现为严格的依存关系。(二)相关关系它反映着现象之间的数量上不严格的依存关系,也就是说两者之间不具有确定性的对应关系,这种关系有二个明显特点:1.现象之间确实存在数量上的依存关系,即某一社会经济现象变化要引起另一社会经济现象的变化;2.现象之间的这种依存关系是不严格的,即无法用数学公式表示。商品价格和商品销售量之间,存在着一定的依存关系,即商品价格发生变动,商品的销售量也会随之发生变动。在具有相互依存关系的两个变量中,作为根据的变量称自变量,一般用X表示;发生对应变化的变量称因变量,一般用y表示。例1.按相关关系涉及的因素多少来分,可分为:单相关和复相关。在实际工作中,如存在多个自变量,可抓住其中主要的自变量,研究其相关关系,而保持另一些因素不变,这时复相关可转化为偏相关。二因素之间的相关关系称单相关,即只涉及一个自变量和一个因变量。三个或三个以上因素的相关关系称复相关,或多元相关,即涉及二个或二个以上的自变量和因变量。二、相关关系的种类2.按相关关系的性质来分,可分为:正相关和负相关正相关是指两相关现象变化的方向是一致的。负相关是指两相关现象变化的方向是相反的。3.按相关关系的形式来分,可分为:直线相关和曲线相关直线相关是指两个相关现象之间,当自变量X的数值发生变动时,因变量y随之发生近似于固定比例的变动,在相关图上的散点近似地表现为直线形式,因此称其为直线相关关系。曲线相关是指两个相关现象之间,当自变量X的数值发生变动时,因变量y也随之发生变动,但这种变动在数值上不成固定比例,在相关图上的散点可表现为抛物线、指数曲线、双曲线等形式,因此称其为曲线相关关系。4.按相关程度分,可分为:完全相关、不完全相关和不相关完全相关就是相关现象之间的关系是完全确定的关系,因而完全相关关系就是函数关系。不相关是指两现象之间在数量上的变化上各自独立,互不影响。不完全相关就是介于完全相关和不相关之间的一种相关关系。相关分析的对象主要是不完全相关关系。三、相关分析的任务和内容相关分析的主要任务,概括起来是两个方面:一方面,研究现象之间关系的密切程度,即相关分析;另一方面,研究自变量与因变量之间的变动关系,即回归分析。相关分析的主要内容包括以下五个方面:1.判断社会经济现象之间是否存在相互依存的关系,是直线相关,还是曲线相关,这是相关分析的出发点;2.确定相关关系的密切程度;3.测定两个变量之间
本文标题:SPSS第十三讲相关性分析
链接地址:https://www.777doc.com/doc-4726502 .html