医学统计软件应用——SPSS(八)相关

看看资讯 / 100+人浏览

注意：免费节点订阅链接已更新至 2026-10-30，点击查看详情

辩证唯物主义认为，任何客观事物之间都是存在联系的。在分析两个事物之间的关系时，我们首先要了解两者之间的数量关系是否密切。而这就涉及到了相关。

需要注意的是，相关关系并不意味着因果关系，这两者之间并不是等同的。

在进行相关分析之前，我们需要先在直角坐标系中将成对的原始数据（x,y）绘制成散点图。从点的分布情况来初步判断两个变量之间是否有相关趋势。如果各点密集在一条直线或曲线周围，说明变量之间存在一定的相关。我们仅介绍直线相关。

相关系数是衡量两个变量之间相关关系的密切程度和方向的统计指标。相关系数的数值在-1到1之间，当相关系数为-1或1的时候，两个变量之间是完全负相关或正相关的关系。相关系数的绝对值越接近于1，两个变量之间的相关关系的密切程度也越大。下面是四幅相关关系的散点图：

正相关是指随着自变量的增加或减少，因变量也相应的增加或减少；负相关是指随着自变量的增加或减少，因变量相应的减少或增加。

那么，接下来我们就开始学习在SPSS中绘制散点图和计算相关系数的方法。我们以10名学生的身高和体重为例（数字非真实），数据的录入格式如下，首先绘制散点图。打开图形——旧对话框——散点/点状菜单；之后选择简单分布，并将自变量选入X轴，因变量选入Y轴。

绘制的散点图如下，由图片可见这两个变量之间存在线性关系，接下来开始计算相关系数。点击分析——相关——双变量菜单。将这两个待分析的变量选入框中。

可以看见下方有一个相关系数的选项，通常我们会选择Pearson或Spearman这两个选项，Pearson适用于两个变量都符合正态分布的情况，Spearman则是用于其中一个变量或两个变量都不符合正态分布的时候，我们假设这两个变量都符合正态分布，所以选择Pearson系数。结果如下：

我们可以看到对角线的数据是完全相同的，我们只需要读取左下角或右上角的数据即可。首先先看显著性，此处显著性即P值小于0.05，说明这两个变量是存在相关关系的；Pearson相关性即相关系数，此处为0.999。这个值相当接近于1，说明身高和体重之间的相关性是比较大的。

以上就是双变量相关的全部内容。

作者: FreeClashNode

来源: www.freeclashnode.com

文章版权归作者所有，未经允许请勿转载。

免费节点实时更新

热门文章