SPSS皮尔逊相关分析实例操作步骤

SPSS皮尔逊相关分析实例操作步骤

选题：

对某地29名13岁男童的身高（cm）、体重（kg），运用相关分析法来分析其身高与体重是否相关。

实验目的：

任何事物的存在都不是孤立的，而是相互联系、相互制约的。相关分析可对变量进行相关关系的分析，计算29名13岁男童的身高（cm）、体重（kg），以判断两个变量之间相互关系的密切程度。

实验变量：

编号Number，身高height（cm），体重weight（kg）

原始数据：

实验方法：

皮尔逊相关分析法

软件：

spss19.0

操作过程与结果分析：

第一步：导入Excel数据文件

1. open data document——open data——open；

2. Opening excel data source——OK.

第二步：分析身高（cm）与体重（kg）是否具有相关性

1.在最上面菜单里面选中Analyze——correlate——bivariate ，首先使用

Pearson，two-tailed，勾选flag significant correlations

进入如下界面：

2.点击右侧options，勾选Statistics，默认Missing Values，点击Continue

输出结果：

Descriptive Statistics

Mean Std. Deviation N

身高（cm）152.576 8.3622 29

体重(kg) 37.65 5.746 29

图为基本的描述性统计量的输出表格，其中身高的均值（mean ）为152.576cm 、标准差（standard deviation ）为8.3622、样本容量（number of cases ）为29；体重的均值为37.65kg 、标准差为5.746、样本容量为29。两者的平均值和标准差值得差距不显著。

图为相关分析结果表，从表中可以看出体重和身高之间的皮尔逊相关系数为0.719，即|r|=0.719，表示体重与身高呈正相关关系，且两变量是显著相关的。另外，两者之间不相关的双侧检验值为0.000，图中的双星号标记的相关系数是在显著性水平为0.01以下，认为标记的相关系数是显著的，验证了两者显著相关的关系。所以可以得出结论：学生的体重与身高存在显著的正相关性，当体重越高时，身高也越高。

第三步：画散点图：选中Graphs ——Legacy Dialogs ——Scatter/dot —— Simple scatter ——define.

Correlations

身高（cm ）

体重(kg)

身高（cm ）

Pearson Correlation 1

.719**

Sig. (2-tailed)

.000 Sum

of

Squares

and

Cross-products 1957.953

967.816

Covariance 69.927

34.565

N

29 29 体重(kg)

Pearson Correlation .719**

1

Sig. (2-tailed) .000

Sum

of

Squares

and

Cross-products 967.816

924.312

Covariance 34.565

33.011

N

29

29

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

得到散点图，如下图：