《SPSS相关分析实验报告.doc》由会员分享，可在线阅读，更多相关《SPSS相关分析实验报告.doc（11页珍藏版）》请在三一文库上搜索。
1、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：相关分析一、实验室名称：二、实验项目名称：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
2、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。五、实验内容及步骤实验内容：以雇员表为例，共有 474 条数据，运用相关分析方法对变量间的相关关系 进行分析1）分析性别与工资之间是否存在相关关系。SPSS环境下的操作方法，掌握输出2）分析教育程度与工资之间是否存在相关关系。 实验要求：掌握相关分析方法的计算思路及其在 结果的解释。1. 分析性别与工资之间是否存在相关关系。 分析：性别属于定类变量，是离散值，因使用卡方检验。 Step1.操作为 Analyze Descriptive Statistics Crosstabs Step2.将性别（ Gender）和收入（ Cur
3、rent Salary）分别移入 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。退回到主对话框，单击 ok2. 分析教育程度与工资之间是否存在相关关系分析： 教育程度为定序变量， 工资为连续变量， 可使用 Spearman和 Kendall 秩相关系 数检验Step1. 用散点图初步判断二变量的相关性，操作为 Graphs / Legacy Dialogs / Scatter, 选择 Simple Scatter，教育程度为自变量，工资为因变量，做散点图。散点图结果如图示，二者存在线性
4、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.分析性别与工资之间是否存在相关关系。卡方检验结果为卡方检验值df渐进 Sig. （双侧）Pearson 卡方290.785 a220.001似然比390.179220.000有效案例中的 N474卡方检验值df渐进 Sig. （双侧）Pea
5、rson 卡方290.785 a220.001似然比390.179220.000有效案例中的 N474a. 440 单元格 （99.5%） 的期望计数少于 5。最小期望计数 为 .46 。显著性水平为 0.001，即至少有 99.99%的把握认为性别和工资之间存在显著的相关系2.分析教育程度与工资之间是否存在相关关系。相关系数Educational Level (years)Current SalaryKendall 的tau_bEducational Level (years)相关系数1.000.554 *Sig. （双侧）.000N474474Current Salary相关系数*.554
6、 *1.000Sig. （双侧）.000N474474Spearman的 rhoEducational Level (years)相关系数1.000.688 *Sig. （双侧）.000N474474Current Salary相关系数.688 *1.000Sig. （双侧）.000N474474*. 在置信度（双测）为 0.01 时，相关性是显著的Kendall和 Spearman相关系数分别为 0.554和0.688，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。九、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。