学习工具 | 理论+实操,让你学会皮尔逊相关分析!
点击上方 信息化教学创新 订阅本刊
我们常常说,一个人身高和体重是有一定关系的,体现为:一个人的身高越高,那他的体重可能会越重,这两者就具有一定相关性。
在SPSS中,分析要素间的相关性有三种方式:皮尔逊相关性分析(Pearson)、肯德尔相关性分析(Kendall)、斯皮尔曼相关性分析(Spearman)。今天,小编会从理论和案例实操两个部分介绍皮尔逊相关性分析,让你看完就能学会它!
什么是相关分析
首先,我们需要知道相关分析能够解决什么问题。顾名思义,相关性分析就是分析两个变量是否有关系,比如说:学生的学习成绩是否和学生学习投入时间有关系?一个人的身高和体重是否有关系呢?相关分析就能判断这两者之间的关联性。
那我们凭借经验初步判断:学生的学习成绩和学生学习投入时间有一定关系,如果学生学习投入时间越多,成绩会越好,这就是一种正相关关系。又如,当海拔高度越高,高原含氧量就会越低,这就是一种负相关关系。下面这张图片是常见的几种相关关系。
我们有了假设后,我们需要对其进行验证,证明假设是否成立。在操作过程中,我们会用相关系数 r 表示两个变量之间的相关程度和方向,r的取值区间为在(-1,1),具体呈现什么相关性可以看下表哦!
r的取值 | 相关性 | 相关程度 |
r=-1 | 完全负相关 | 0≤|r|<0.3 低相关 0.3≤|r|<0.5 中相关 0.5≤|r|≤1 高相关 |
-1<r<0 | 负相关 | |
r=0 | 不相关 | |
0<r<1 | 正相关 | |
r=1 | 完全正相关 |
了解上述理论知识后,接下来就以网购频率和网购满意度为例进行实操,下面使用到的数据内容包含个人基本信息、网购基本情况以及对网购的态度。
01
导 入 数 据
先打开SPSS软件,选择“文件”、“导入数据”、“Excel”,选中已经下载好的数据,选择“确定”将数据导入即可。
02
相 关 性 分 析
选择“分析”、“相关”、“双变量”,在弹出窗口中,将假设中涉及的变量选中,并点击中间的箭头移至右端,确认已经勾选“皮尔逊”“双尾”和“标记显著相关性”后,点击“确定”就可以开始分析。
03
结 果 分 析
看下图,我们首先可以看到它是以黑线为对称轴对称的,所以我们只需要看一边就可以分析结果。
在分析过程中,我们都是遵循这样的顺序,先看显著性再看相关性,具有显著性后才能分析相关性。在这里就是先看“Sig.(双尾)”是否小于0.05,如果小于0.05则表明他们有显著关系,再进行下面分析;接下来就是根据皮尔逊相关性数值看相关程度和方向。
以网购满意度和网购频率为例,Sig=0.848,大于0.05,所以这两者之间是没有相关性的,就不需要分析相关程度和方向。如果以网购满意度和网购忠诚度为例,Sig=0.00,是小于0.05的,说明两者是存在相关关系的,再看皮尔逊相关性数值为0.793,在0.5~1的范围,所以网购满意度和网购忠诚度是高相关的。
小编需要提醒一下哦,写结论的时候不能用具有因果的词语如“导致”,如网购满意度能导致网购忠诚度的提高,严谨的表达就是两者之间有无相关性或者存在何种程度的相关性。
以上就是皮尔逊相关性分析的全部内容啦,不知道理论+实操的方式有没有让你学会皮尔逊相关性分析呢!不妨现在就下载数据动手试试吧!
数据来源于SPSSAU自带的系统数据:
https://SPSSau.com/updata.html,文件为excel表格。
25个教研应用场景
25个实用技术工具
在线教研干货锦囊
一线教师必备指南
《在线教研实用指南》
京东 👉
搜索《在线教研实用指南》
京东、当当、天猫皆可购买
● 推荐阅读 ●