IBM SPSS Statistics的配对样本T检验与独立样本T检验相似,都可用于对比两个组的均值差异,不同的是,配对样本T检验对比的是两组变量的平均值,计算的是单个个案在两个变量的值的差异......
2023-02-05 302 SPSS配对样本T检验 SPSS探索测试前后数据的差异
IBM SPSS Statistics偏相关分析,是用于变量间可能会有相互影响的情况中。比如,对三个变量进行相关分析,但发现第一、二个变量与第三个变量之间存在着相关关系,在这种情况下,就要将第三个变量的影响剔除后,再分析第一、二个变量的相关关系。
接下来,我们使用一组门店销售数据,演示一下IBM SPSS Statistics的偏相关分析。
一、使用的数据
如图1所示,示例所用数据包含了销售额、客流量、客单价三个变量。本文假设客单价与销售额、客流量有相关关系,并研究在控制客单价线性影响下,销售额与客流量是否存在相关关系。
图1:示例数据
二、应用偏相关分析
如图2所示,依次单击分析-相关-偏相关选项,打开偏相关分析设置面板。
图2:偏相关分析
如图3所示,可以看到,偏向关性分析设置面板包含了变量与控制两个选项。变量指的是用于分析相关关系的变量;而控制则指的是控制其线性影响的变量。
图3:偏相关设置面板
1.选择变量
按照上文所述的研究目的,分别将销售额、客流量添加到变量,将客单价添加到控制。
图4:选择变量
2.选项设置
接着,打开选项设置面板,勾选统计数值中的“平均值和标准差”以及“零阶相关性”。
控制一个变量的偏相关分析,称为一阶偏相关分析。而“零阶相关性”,即不进行控制变量设置的分析方法,用以对比控制变量设置后的结果。
图5:选项设置
3.显著性检验设置
由于我们事先没有进行散点图的制作,无法判断数据存在正相关还是负相关,因此,选择“双尾”的显著性检验。
图6:显著性检验设置
4.结果解读
完成以上设置后,运行检验。
如图7所示,“无”即不进行变量控制的相关性检验,如需出现该部分内容,必须在选项中勾选“零阶相关性”。
从检验结果看到,在不控制客单价的线性影响下,销售量与客流量存在着显著相关性(显著性设置为0.00<0.05);而在控制客单价的线性影响下,销售量与客流量仍存在着显著相关性(显著性设置为0.00<0.05)。
图7:相关性检验结果
三、小结
综上所述,IBM SPSS Statistics的偏相关分析,可用于控制对其他变量产生线性影响的变量,以求得更准确的变量间相关关系。
在使用偏相关分析时,建议在选项设置中勾选“零阶相关性”,以对比控制影响变量前后的检验结果。
标签: SPSS偏相关分析
相关文章
IBM SPSS Statistics的配对样本T检验与独立样本T检验相似,都可用于对比两个组的均值差异,不同的是,配对样本T检验对比的是两组变量的平均值,计算的是单个个案在两个变量的值的差异......
2023-02-05 302 SPSS配对样本T检验 SPSS探索测试前后数据的差异
在使用IBM SPSS Statistics参数检验中的T检验时,一般情况下,都需先验证数据是否服从正态分布。如果服从正态分布的话,就可以执行T检验;反之,则需要使用非参数检验的方法。 那么,......
2023-02-05 208 SPSS检验数据
本文将会重点讲解单因素方差分析方法的事后多重比较及其检验结果的解读。我们使用的数据是4组初中生身高样本数据,检验的是4组初中生身高样本数据均值是否有差异。 图1:示例数......
2023-02-05 210 SPSS单因素方差分析
IBM SPSS Statistics平均值检验,是通过计算一个或多个自变量类别的因变量平均值,并对平均值执行单向方差检验分析,来探索自变量类别平均值是否存在差异的检验方法。 比如,我们经......
2023-02-05 201 SPSS平均值检验