当前位置:首页 > 经验

教你制作spss线性散点图 spss线性回归散点图怎么做

相关分析能够解决的问题:

· 父母的身高和孩子的身高是否有关?一般情况,父母的身高越高,孩子的身高是不是也会越高?

· 跳远成绩与短跑速度是否有关?一般情况,短跑速度越快,跳远成绩是不是也会越好?


用相关系数 r 表示两个变量之间的相关程度和方向。

a. 零相关:r=0

b. 正相关:0<r<1

c. 完全正相关:r=1

d. 负相关:-1<r< 0

e. 完全负相关:r=-1

|r|越大,相关关系越密切

|r|越小,相关关系越不密切


案例:

不同姿势投掷手榴弹成绩的相关分析

测试对象:大学1-4年级学生共58人。

测试内容:身高、体重、肺活量、体质健康分数,站立、半蹲、匍匐三种姿势投掷手榴弹的成绩。

研究目的:探索不同姿势投掷手榴弹成绩的相关性,以及成绩的影响因素。

部分数据:

两个变量间的线性相关关系(SPSS:线性相关分析)

图1

1.首先探索站立与半蹲投掷成绩的相关性?

站立时投掷的越远,是不是半蹲时也会投掷的越远?

散点图和拟合直线初步探索两个变量的关系:

SPSS步骤:图形-散点图-简单散点图(X轴输入”半蹲”,Y轴输入”站立”)。点击”确定”。

两个变量间的线性相关关系(SPSS:线性相关分析)

图2

基本分布情况:半蹲投掷成绩越高,则站立投掷成绩也越高。

(1)服从双变量正态分布时,采用Pearson积差相关系数。

SPSS步骤:1)分析-相关-双变量

两个变量间的线性相关关系(SPSS:线性相关分析)

图3

2)把”站立”、”半蹲”投掷成绩选入”变量”列表。

勾选相关系数”皮尔逊”(就是Pearson积差相关系数)。点击”确定”。

两个变量间的线性相关关系(SPSS:线性相关分析)

图4

3)SPSS结果:

两个变量间的线性相关关系(SPSS:线性相关分析)

图5

结果判断方法:

P>0.05时,不存在相关关系。

P≤0.05时,存在相关关系。此时,|r|越接近1,则相关关系越密切。

结果:站立和半蹲投掷手榴弹的成绩存在很高的正相关关系(r=0.930, P<0.05)。

(2)不服从双变量正态分布时,采用Spearman秩相关系数。

勾选相关系数”斯皮尔曼”(就是Spearman秩相关系数)。点击”确定”。

两个变量间的线性相关关系(SPSS:线性相关分析)

图6

SPSS结果:

两个变量间的线性相关关系(SPSS:线性相关分析)

图7

结果判断方法同上。

结果:站立和半蹲投掷手榴弹的成绩存在很高的正相关关系(rs=0.896,P<0.05)。

2.同时探索多个变量间的相关性?(构建相关矩阵)

“变量”列表选入多个变量。

相关系数同时勾选”皮尔逊”和”斯皮尔曼”。

点击”确定”。

两个变量间的线性相关关系(SPSS:线性相关分析)

图8

Pearson积差相关系数结果:

两个变量间的线性相关关系(SPSS:线性相关分析)

图9

Spearman秩相关系数结果:

两个变量间的线性相关关系(SPSS:线性相关分析)

图10

图9、图10为多个变量两两之间相关系数矩阵,关于红线对称分布。

声明:此文信息来源于网络,登载此文只为提供信息参考,并不用于任何商业目的。如有侵权,请及时联系我们:fendou3451@163.com
标签:

  • 关注微信

相关文章