spss相关分析结果怎么解读

spss实验报告相关分析

1、掌握SPSS 软件进行简单统计分析的一般操作，并对处理结果做出解释；

2、理解相关系数、秩相关系数与偏相关系数的差异，并结合描述性统计分析，综合分析得到的结果；掌握二元变量相关分析；掌握偏相关分析；掌握距离分析；

二 实验内容

题目三：K.K.Smith在烟草杂交繁殖的花上收集到如表8.16所示的数据，要求对以上3组数据两两之

间进行相关分析，以0.05的显著性水平检验相关系数的显著性。（数据来源：《统计软件SPSS系列应用实践篇》 苏金明 ，电子工业出版社；数据文件：data8-5.sav）

实验结果分析：

由上表可知：花枝长与花瓣长的相关系数为0.995>0，说明呈正相关，而相伴概率值sig.=0.000<0.05,因此应拒绝零假设（H0：两变量之间不具相关性），即说明花枝长是受花瓣长显著性正影响的；同理可得，花萼长也是受花瓣长显著性正影响的。花瓣长与花萼长也是受花枝长显著性正影响的，花瓣长与花枝长也受花萼长显著性正影响的。这三个变量在0.05的显著性水平下是显著正相关的。

题目四：试确定1962-1988年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性相关性，数据如

表8.17所示。（数据来源：《数据统计与

相关分析与回归分析

一、试验目标与要求

本试验项目的目的是学习并使用SPSS软件进行相关分析和回归分析，具体包括：

(1) 皮尔逊pearson简单相关系数的计算与分析

(2) 学会在SPSS上实现一元及多元回归模型的计算与检验。 (3) 学会回归模型的散点图与样本方程图形。 (4) 学会对所计算结果进行统计分析说明。 (5) 要求试验前，了解回归分析的如下内容。 ? 参数α、β的估计

? 回归模型的检验方法：回归系数β的显著性检验（t－检验）；回归

方程显著性检验（F－检验）。

二、试验原理

1．相关分析的统计学原理

相关分析使用某个指标来表明现象之间相互依存关系的密切程度。用来测度简单线性相关关系的系数是Pearson简单相关系数。

2．回归分析的统计学原理

相关关系不等于因果关系，要明确因果关系必须借助于回归分析。回归分析是研究两个变量或多个变量之间因果关系的统计方法。其基本思想是，在相关分析的基础上，对具有相关关系的两个或多个变量之间数量变化的一般关系进行测定，确立一个合适的数据模型，以便从一个已知量推断另一个未知量。回归分析的主要任务就是根据样本数据估计参数，建立回归模型，对参数和模型进行检验和判断，并进行预测等。

线性回归数学模型

Logistic回归分析报告结果解读分析

Logistic回归常用于分析二分类因变量(如存活和死亡、患病和未患病等)与多个自变量的关系。比较常用的情形是分析危险因素与是否发生某疾病相关联。例如，若探讨胃癌的危险因素，可以选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群有不同的临床表现和生活方式等，因变量就为有或无胃癌，即“是”或“否”，为二分类变量，自变量包括年龄、性别、饮食习惯、是否幽门螺杆菌感染等。自变量既可以是连续变量，也可以为分类变量。通过Logistic回归分析，就可以大致了解胃癌的危险因素。

Logistic回归与多元线性回归有很多相同之处，但最大的区别就在于他们的因变量不同。多元线性回归的因变量为连续变量；Logistic回归的因变量为二分类变量或多分类变量，但二分类变量更常用，也更加容易解释。

1.Logistic回归的用法

一般而言，Logistic回归有两大用途，首先是寻找危险因素，如上文的例子，找出与胃癌相关的危险因素；其次是用于预测，我们可以根据建立的Logistic回归模型，预测在不同的自变量情况下，发生某病或某种情况的概率(包括风险评分的建立)。

2.用Logistic回归估计危险度

所谓相对危险度(risk

SPSS—回归—多元线性回归结果分析（二） 2011-10-27 14:44

，最近一直很忙，公司的潮起潮落，就好比人生的跌岩起伏，眼看着一步步走向衰弱，却无能为力，也许要学习“步步惊心”里面“四阿哥”的座右铭：“行到水穷处”，”坐看云起时“。

接着上一期的“多元线性回归解析”里面的内容，上一次，没有写结果分析，这次补上，结果分析如下所示： 结果分析1：

由于开始选择的是“逐步”法，逐步法是“向前”和“向后”的结合体，从结果可以看出，最先进入“线性回归模型”的是“price in thousands\ 建立了模型1，紧随其后的是“Wheelbase\ 建立了模型2，所以，模型中有此方法有个概率值，当小于等于0.05时，进入“线性回归模型”（最先进入模型的，相关性最强，关系最为密切）当大于等 0.1时，从“线性模型中”剔除

结果分析：

1：从“模型汇总”中可以看出，有两个模型，（模型1和模型2）从R2 拟合优度来看，模型2的拟合优度明显比模型1要好一些 （0.422>0.300）

2：从“Anova\可以看出“模型2”中的“回归平方和”为115.311，“残差平方和”为153.072，由于总平方和= 回归平方和+残差平方和，由于

《SPSS原理与运用》练习题

数据对应关系：06-均值检验； 07-方差分析； 08-相关分析； 09-回归分析； 10-非参数检验； 17-作图

1、以data06-03为例，分析身高大于等于155cm的与身高小于155cm的两组男生的体重和肺活量均值是否有显著性。 分析：一个因素有2个水平用独立样本t检验，此题即身高因素有155以上和以下2个水平，因此用独立样本t检验（analyze->compare means->independent-samples T test）。 报告：一、体重①m+s:>=155cm 时, m= 40.838kg; s= 5.117;

<155cm 时, m= 34.133kg；s= 3.816； ②方差齐性检验结果：P=0.198>0.05,说明方差齐性。

③t=4.056; p=0.001 < 0.01,说明身高大于等于155cm的与身高小于155cm的两组男生的体重有极显著性差异。

二、肺活量①m+s: >=155cm 时,m=2.404; s=0.402;

<155cm 时, m=2.016；s=0.423； ②方差齐性检验结果：P=0.961>0.05,说明方差齐性。

③t=2.512; p=0.018 < 0.05,说明说明身高大于等于155cm的与身高小于155cm的两组男生的体重有显著性差异。

2、以data06-04为例，判断体育疗法对降低血压是否有效。

分析：比较前后2种情况有无显著差异，用配对样本t检验， (analyze->compare means-> paired-samples T test

统计复习题目

一.某公司管理人员为了解某化妆品在一个城市的月销售量Y（单位：箱）与该城市中适合使用该化妆品的人数X1（单位：千人）以及他们 人均月收入X2（单位：元）之间的关系，在某个月中对15个城市做调查，得上述各量的观测值如表A1所示.假设Y与X1，X2之间满足线性回归关系

yi??0??1xi1??2xi2??i,i?1,2,?,15 其中?i独立同分布于N(0,?2).

(1)求回归系数?0,?1,?2的最小二乘估计值和误差方差?的估计值，写出回归方程并对回归系数作解释；analyze-regression-linear,y to dependent,x1 x2 to indepents ,statistics-confidence intervals,save-unstandardized. Prediction individual-individual.ok Coefficients Standardized Unstandardized Coefficients Model 1 (Constant) x1 x2 a. Dependent

第8章 SPSS的相关分析 学习目标：

1. 明确相关关系的含义以及相关分析的主要目标。

2. 掌握散点图的含义，熟练掌握绘制散点图的具体操作。

3. 理解简单相关系数、Spearman相关系数、Kendall相关系数的基本原理，熟练掌握计算

各种相关系数的具体操作，能够读懂分析结果。

4. 理解偏相关系分析的主要目标以及与相关分析之间的关系，熟练掌握偏相关分析的具体

操作，能够读懂分析结果。 8.1 相关分析

相关分析是分析客观事物之间关系的数量分析方法，明确客观事物之间有怎样的关系对理解和运用相关分析是极为重要的。

客观事物之间的关系大致可归纳为两大类关系，它们是函数关系和统计关系。相关分析是用来分析事物之间统计关系的方法。

所谓函数关系指的是两事物之间的一种一一对应的关系，即荡一个变量x取一定值时，另一变量y可以依确定的函数取唯一确定的值。例如，商品的销售额与销售量之间的关系，在单价确定时，给出销售量可以唯一地确定出销售额，销售额与销售量之间是一一对应的关系，且这个关系可以被y=Ρx（y表示销售额，Ρ表示单价，x表示销售量）这个数学函数精确地描述出来。客观世界中这样的函数关系有很多，如圆面积和圆半径、出租车费和行程公里数之间的关系等。

另一

第8章 SPSS的相关分析 学习目标：

1. 明确相关关系的含义以及相关分析的主要目标。

2. 掌握散点图的含义，熟练掌握绘制散点图的具体操作。

3. 理解简单相关系数、Spearman相关系数、Kendall相关系数的基本原理，熟练掌握计算

各种相关系数的具体操作，能够读懂分析结果。

4. 理解偏相关系分析的主要目标以及与相关分析之间的关系，熟练掌握偏相关分析的具体

操作，能够读懂分析结果。 8.1 相关分析

相关分析是分析客观事物之间关系的数量分析方法，明确客观事物之间有怎样的关系对理解和运用相关分析是极为重要的。

客观事物之间的关系大致可归纳为两大类关系，它们是函数关系和统计关系。相关分析是用来分析事物之间统计关系的方法。

所谓函数关系指的是两事物之间的一种一一对应的关系，即荡一个变量x取一定值时，另一变量y可以依确定的函数取唯一确定的值。例如，商品的销售额与销售量之间的关系，在单价确定时，给出销售量可以唯一地确定出销售额，销售额与销售量之间是一一对应的关系，且这个关系可以被y=Ρx（y表示销售额，Ρ表示单价，x表示销售量）这个数学函数精确地描述出来。客观世界中这样的函数关系有很多，如圆面积和圆半径、出租车费和行程公里数之间的关系等。

另一

SPSS聚类分析过程

聚类的主要过程一般可分为如下四个步骤： 1.数据预处理（标准化）

2.构造关系矩阵（亲疏关系的描述） 3.聚类（根据不同方法进行分类） 4.确定最佳分类（类别数）

SPSS软件聚类步骤

1. 数据预处理（标准化）

→Analyze →Classify →Hierachical Cluster Analysis →Method 然后从对话框中进行如下选择

从Transform Values框中点击向下箭头，此为标准化方法，将出现如下可选项，从中选一即可：

标准化方法解释：None：不进行标准化，这是系统默认值；Z Scores：标准化变换；Range –1 to 1：极差标准化变换（作用：变换后的数据均值为0，极差为1，且|xij*|<1，消去了量纲的影响；在

以后的分析计算中可以减少误差的产生。）；Range 0 to 1（极差正规化变换/ 规格化变换）；

2. 构造关系矩阵

在SPSS中如何选择测度（相似性统计量）:

→Analyze →Classify →Hierachical Cluster Analysis →Method 然后从对话框中进行如下选择

常用测度（选项说明）：Euclidean distance：欧氏距离（二阶Mink

用下面的数据做相关分析和一元线性回归分析：

选用普通高等学校毕业生数和高等学校发表科技论文数量做相关分析和一元线性回归分析。

一、相关分析

1.作散点图

普通高等学校毕业生数和高等学校发表科技论文数量的相关图

从散点图可以看出：普通高等学校毕业生数和高等学校发表科技论文数量的相关性很大。

2.求普通高等学校毕业生数和高等学校发表科技论文数量的相关系数

把要求的两个相关变量移至变量中，因为都是定距数据，选择相关系数中的Pearson，点击确定，可以得到下面的结果：

Correlations

普通高等学校毕业生数(万人) 高等学校发表科技论文数量(篇)

普通高等学校毕业生数(万人) Pearson Correlation 1 .998**

Sig. (2-tailed) .000

N 14 14

高等学校发表科技论文数量(篇) Pearson Correlation .998** 1 Sig. (2-tailed) .000

N 14 14

**. Correlation is significant at the 0.01 level (2-tailed).

两相关变量的Pearson相关系数=0.0998，表示呈高度正相关；相关系数检验对应的概率P 值=0.000