本文将针对分析过后的数据进行详细解读。 在解读过程中,我们需要求得方程式的系数,并判断系数的拟合程度、方程式的统计学意义。 一、使用的数据 本文分析所用的数据是一组包......
2023-06-20 208 SPSS一元线性回归分析
我们通过散点图研究发现,客流量与销售额之间存在着正相关的关系,而客单价与销售额之间似乎不存在相关关系。
为了进一步验证客单价与销售额之间的关系,同时衡量客流量与销售额之间相关关系的程度,本文将会应用IBM SPSS Statistics的两变量相关检验,探究客单价与销售额、客流量与销售额之间的密切程度。
一、使用的数据介绍
如图1所示,本文使用的是一组包含客流量、销售额、客单价的数据。
图1:示例数据
二、应用双变量相关检验
如图2所示,依次单击分析-相关-双变量选项,打开双变量相关分析面板。
图2:双变量相关
1. 选择变量
在双变量相关性设置面板中,首先,将要研究的变量添加到右侧变量方框中。
图3:选择变量
2. 选项设置
然后,单击选项按钮,并在选项面板中勾选“平均值和标准差”的统计项。
图4:选项设置
3. 相关系数与显著性检验设置
接着,再进行相关系数与显著性检验的设置。
如图5所示,如果数据满足正态分布的话,使用皮尔逊检验结果,否则就应该使用肯德尔或斯皮尔曼检验结果。由于我们仍未进行正态性检验,可以先把所有方法都勾选上。
另外,如果事先知道数据的分布,比如正相关、负相关等,选择单尾检验,否则选择双尾检验。
图5:相关系数与显著性检验设置
4. 检验结果解读
完成以上设置后,运行检验。
首先,从描述统计数值中,可以看到各个变量的平均值与标准差。
图6:描述统计
在查看相关性检验时,需根据数据是否服从正态分布来选取不同的检验结果。如图7所示,对数据应用KS检验来检验数据是否服从正态分布,从其渐进显著性数值看到(均大于0.05),结果不显著,也就是说不能拒绝数据服从正态分布的零和假设(因KS检验的零和假设是数据服从正态分布)。
图7:KS检验
基于数据服从正态分布的前提,查看皮尔逊相关性检验结果。如图8所示,客流量与销售额的皮尔逊系数为0.92,标注了两个星,说明客流量与销售额相关性强;而客单价与销售额的皮尔逊系数为0.342,也有较强的相关性。
图8:相关性检验结果
三、小结
综上所述,IBM SPSS Statistics的双变量相关检验,可对两变量间的相关关系进行程度性的测量,以探究两两变量间相关性的强弱。另外,结合使用散点图,可对数据进行快速的相关性预判,辅助说明两变量间的相关性。
标签: SPSS双变量相关检验
相关文章
本文将针对分析过后的数据进行详细解读。 在解读过程中,我们需要求得方程式的系数,并判断系数的拟合程度、方程式的统计学意义。 一、使用的数据 本文分析所用的数据是一组包......
2023-06-20 208 SPSS一元线性回归分析
在进行数据录入时,以数值型数据录入会更有利于后续的统计计算。但如果在录入时,采用了字符串值的录入方式,该如何将其转化为可计算的数值呢?在这种情况下,可以使用IBM SP......
2023-01-18 202 SPSS重新编码 SPSS自动编码功能
IBM SPSS Statistics协方差分析是一种将回归分析与方差分析相结合的一种分析方法。在进行方差分析时,因变量与协变量间可能会存在着线性相关关系,如果简单对因变量执行方差分析的话......
2023-06-20 202 SPSS协方差分析
IBM SPSS Statistics重新编码功能,包含了重新编码到相同的变量、重新编码到不同的变量、自动重新编码的功能。本文将重点讲解重新编码为相同或不同变量的功能。 重新编码到相同的变......
2023-01-18 202 SPSS重新编码
数据分析指的是使用各种统计方法,如随机抽样、普查等方式收集大量的数据,并对其执行统计分析的过程,因此,数据是执行分析的基础。 那么,该如何将收集到的数据导入到IBM S......
2023-01-15 209 SPSS数据文件的建立 SPSS创建与导入方法