SPSS實(shí)用教程第07章

1、SPSS實(shí)用教程第七章 相關(guān)分析第一節(jié) Bivariate Correlations過程7.1.1 主要功能7.1.2 實(shí)例操作第二節(jié) Partial Correlations過程7.2.1 主要功能7.2.2 實(shí)例操作第三節(jié) Distances Correlations過程7.3.1 主要功能7.3.2 實(shí)例操作任何事物的存在都不是孤立的，而是相互聯(lián)系、相互制約的。在醫(yī)學(xué)領(lǐng)域中，身高與體重、體溫與脈搏、年齡與血壓等都存在一定的聯(lián)系。說明客觀事物相互間關(guān)系的密切程度并用適當(dāng)?shù)慕y(tǒng)計(jì)指標(biāo)表示出來，這個(gè)過程就是相關(guān)分析。值得注意，事物之間有相關(guān)，不一定是因果關(guān)系，也可能僅是伴隨關(guān)系。但如果事物之間有

2、因果關(guān)系，則兩者必然相關(guān)。SPSS的相關(guān)分析是借助于Statistics菜單的Correlate選項(xiàng)完成的。第一節(jié) Bivariate過程7.1.1 主要功能調(diào)用此過程可對(duì)變量進(jìn)行相關(guān)關(guān)系的分析，計(jì)算有關(guān)的統(tǒng)計(jì)指標(biāo)，以判斷變量之間相互關(guān)系的密切程度。調(diào)用該過程命令時(shí)允許同時(shí)輸入兩變量或兩個(gè)以上變量，但系統(tǒng)輸出的是變量間兩兩相關(guān)的相關(guān)系數(shù)。7.1.2 實(shí)例操作例7-1某地區(qū)10名健康兒童頭發(fā)和全血中的硒含量（1000ppm）如下，試作發(fā)硒與血硒的相關(guān)分析。編號(hào)發(fā)硒血硒1234567891074668869917366965873131013111697145107.1.2.1 數(shù)據(jù)準(zhǔn)備激活數(shù)據(jù)管

3、理窗口，定義變量名：發(fā)硒為X，血硒為Y，按順序輸入相應(yīng)數(shù)值，建立數(shù)據(jù)庫（圖7.1）。圖7.1 原始數(shù)據(jù)的輸入7.1.2.2 統(tǒng)計(jì)分析激活Statistics菜單選Correlate中的Bivariate.命令項(xiàng)，彈出Bivariate Correlation對(duì)話框（圖7.2）。在對(duì)話框左側(cè)的變量列表中選x、y，點(diǎn)擊鈕使之進(jìn)入Variables框；再在Correlation Coefficients框中選擇相關(guān)系數(shù)的類型，共有三種：Pearson為通常所指的相關(guān)系數(shù)（r），Kendells tau-b為非參數(shù)資料的相關(guān)系數(shù)，Spearman為非正態(tài)分布資料的Pearson相關(guān)系數(shù)替代值，本例選用

4、Pearson項(xiàng)；在Test of Significance框中可選相關(guān)系數(shù)的單側(cè)（One-tailed）或雙側(cè)（Two-tailed）檢驗(yàn)，本例選雙側(cè)檢驗(yàn)。圖7.2 相關(guān)分析對(duì)話框點(diǎn)擊Options.鈕彈出Bivariate Correlation:Options對(duì)話框（圖7.3），可選有關(guān)統(tǒng)計(jì)項(xiàng)目。本例要求輸出X、Y的均數(shù)與標(biāo)準(zhǔn)差以及XY交叉乘積的標(biāo)準(zhǔn)差與協(xié)方差，故選Means and standard deviations和Cross-product deviations and covariances項(xiàng)，而后點(diǎn)擊Continue鈕返回Bivariate Correlation對(duì)話框，再

5、點(diǎn)擊OK鈕即可。圖7.3 相關(guān)分析統(tǒng)計(jì)對(duì)話框7.1.2.3 結(jié)果解釋：在結(jié)果輸出窗口中將看到如下統(tǒng)計(jì)數(shù)據(jù)：變量X、Y的例數(shù)、均數(shù)與標(biāo)準(zhǔn)差，變量X、Y交叉乘積的例數(shù)、標(biāo)準(zhǔn)差與協(xié)方差；XY兩兩對(duì)應(yīng)的相關(guān)系數(shù)及其雙側(cè)檢驗(yàn)的概率，本例r = 0.8715，P = 0.001。Variable Cases Mean Std DevX 10 75.4000 12.2945Y 10 10.8000 3.3267Variables Cases Cross-Prod Dev Variance-CovarX Y 10 320.8000 35.6444 X YX 1.0000 .8715 ( 10) ( 10) P

6、= . P= .001Y .8715 1.0000 ( 10) ( 10) P= .001 P= .(Coefficient / (Cases) / 2-tailed Significance) . is printed if a coefficient cannot be computed第二節(jié) Partial過程7.2.1 主要功能調(diào)用此過程可對(duì)變量進(jìn)行偏相關(guān)分析。在偏相關(guān)分析中，系統(tǒng)可按用戶的要求對(duì)兩相關(guān)變量之外的某一或某些影響相關(guān)的其他變量進(jìn)行控制，輸出控制其他變量影響后的相關(guān)系數(shù)。7.2.2 實(shí)例操作例7-2某地29名13歲男童身高（cm）、體重（kg）和肺活量（ml）的數(shù)據(jù)如下表,

7、 試對(duì)該資料作控制體重影響作用的身高與肺活量相關(guān)分析。編號(hào)身高（cm）體重(kg)肺活量(ml)編號(hào)身高（cm）體重(kg)肺活量(ml)123456789101112131415135.1139.9163.6146.5156.2156.4167.8149.7145.0148.5165.5135.0153.3152.0160.532.030.446.233.537.135.541.531.033.037.249.527.641.032.047.2175020002750250027502000275015002500225030001250275017502250161718192021222

8、3242526272829153.0147.6157.5155.1160.5143.0149.4160.8159.0158.2150.0144.5154.6156.547.240.543.344.737.531.533.940.438.537.536.034.739.532.0175020002250275020001750225027502500200017502250250017507.2.2.1 數(shù)據(jù)準(zhǔn)備激活數(shù)據(jù)管理窗口，定義變量名：身高為height，體重為weight，肺活量為vc，按順序輸入相應(yīng)數(shù)值，建立數(shù)據(jù)庫。7.2.2.2 統(tǒng)計(jì)分析 激活Statistics菜單選Correla

9、te中的Partial.命令項(xiàng)，彈出Partial Correlations對(duì)話框（圖7.4）?，F(xiàn)欲在控制體重的影響下對(duì)變量身高與肺活量進(jìn)行偏相關(guān)分析，故在對(duì)話框左側(cè)的變量列表中選變量height、vc，點(diǎn)擊鈕使之進(jìn)入Variables框，選要控制的變量weight，點(diǎn)擊鈕使之進(jìn)入Controlling for框中, 在Test of Significance框中選雙側(cè)檢驗(yàn)，然后點(diǎn)擊OK鈕即可。圖7.4 偏相關(guān)分析對(duì)話框7.2.2.3 結(jié)果解釋在結(jié)果輸出窗口中將看到如下統(tǒng)計(jì)數(shù)據(jù)：控制體重的影響后，身高與肺活量的相關(guān)系數(shù)為0.0926，經(jīng)檢驗(yàn)P = 0.639，故身高與肺活量的線性相關(guān)不存在。（

10、如果不控制體重的影響，則身高與肺活量的相關(guān)系數(shù)為0.5884，P為0.001。在有控制的情況下，身高與肺活量的決定系數(shù) = r2 = 0.00857，而無控制的身高與肺活量決定系數(shù) = r2 = 0.34621，可見身高與肺活量的相關(guān)有33.764%是由體重協(xié)同作用而產(chǎn)生的。）Controlling for. WEIGHT HEIGHT VCHEIGHT 1.0000 .0926 ( 0) ( 26) P= . P= .639VC .0926 1.0000 ( 26) ( 0) P= .639 P= .(Coefficient / (D.F.) / 2-tailed Significance)

11、 . is printed if a coefficient cannot be computed如果控制變量改為身高，則得如下結(jié)果：體重與肺活量的相關(guān)系數(shù)為0.5528，經(jīng)檢驗(yàn)P = 0.002，故體重與肺活量的線性相關(guān)存在?？梢?，盡管肺活量與身高和體重均有關(guān)系，但如果僅僅研究其中一個(gè)變量與肺活量的相關(guān)關(guān)系時(shí)，體重的意義會(huì)更大。Controlling for. HEIGHT VC WEIGHTVC 1.0000 .5528 ( 0) ( 26) P= . P= .002WEIGHT .5528 1.0000 ( 26) ( 0) P= .002 P= .(Coefficient / (D.F

12、.) / 2-tailed Significance) . is printed if a coefficient cannot be computed第三節(jié) Distances過程7.3.1 主要功能調(diào)用此過程可對(duì)變量?jī)?nèi)部各觀察單位間的數(shù)值進(jìn)行距離相關(guān)分析，以考察相互間的接近程度；也可對(duì)變量間進(jìn)行距離相關(guān)分析，常用于考察預(yù)測(cè)值對(duì)實(shí)際值的擬合優(yōu)度。7.3.2 實(shí)例操作例7-3某醫(yī)師對(duì)10份標(biāo)準(zhǔn)血紅蛋白樣品作三次平行檢測(cè)，結(jié)果如下，問檢測(cè)結(jié)果是否一致？樣品號(hào)12345678910第一次第二次第三次12.3612.4012.1812.1412.2012.2212.3112.2812.3512.32

13、12.2512.2112.1212.2212.1012.2812.3412.2512.2412.3112.2012.4112.3012.4612.3312.2212.3612.1712.2412.117.3.2.1 數(shù)據(jù)準(zhǔn)備激活數(shù)據(jù)管理窗口，定義變量名：第一次測(cè)量值為HB1，第二次測(cè)量值為HB2，第三次測(cè)量值為HB3，輸入相應(yīng)數(shù)值即完成。7.3.2.2 統(tǒng)計(jì)分析激活Statistics菜單選Correlate中的Distance.命令項(xiàng)，彈出Distance對(duì)話框（圖7.5）。在對(duì)話框左側(cè)的變量列表中選變量hb1、hb2、hb3，點(diǎn)擊鈕使之進(jìn)入Variables框。在Compute Dista

14、nces框中有兩個(gè)選項(xiàng)，Between cases表示作變量?jī)?nèi)部觀察值之間的距離相關(guān)分析，Between variables表示作變量之間的距離相關(guān)分析，在本例中，因三次平行測(cè)量結(jié)果分別置于三個(gè)變量中，故選擇后者。圖7.5 距離相關(guān)分析對(duì)話框在Measure欄中有兩種測(cè)距方式：Dissimilarities為不相似性測(cè)距，Similarities為相似性測(cè)距。若選Dissimilarties并點(diǎn)擊Measure.鈕，彈出Distance:Dissimilarity Measure對(duì)話框（圖7.6），用戶可根據(jù)數(shù)據(jù)特征選用測(cè)距方法：圖7.6 距離相關(guān)中不相似性距離測(cè)量對(duì)話框1、計(jì)量資料Eucli

15、dean distance：以兩變量差值平方和的平方根為距離；Squared Euclidean distance：以兩變量差值平方和為距離；Chebychev：以兩變量絕對(duì)差值的最大值為距離；Block：以兩變量絕對(duì)差值之和為距離；Minkowski：以兩變量絕對(duì)差值p次冪之和的p次根為距離；Customized：以兩變量絕對(duì)差值p次冪之和的r次根為距離。2、計(jì)數(shù)資料Chi-square measure：2值測(cè)距；Phi-square measure：2值測(cè)距，即將2測(cè)距值除合計(jì)頻數(shù)的平方根。3、二分字符變量Euclidean distance：二分差平方和的平方根，最小為0，最大無限；Sq

16、uared Euclidean distance：二分差平方和，最小為0，最大無限；Size difference：最小距離為0，最大無限；Pattern difference：從0至1的無級(jí)測(cè)距；Variance：以方差為距，最小為0，最大無限；Lance and Williams：Bray-Curtis非等距系數(shù)，界于0至1之間。若選Similarties并點(diǎn)擊Measure.鈕，彈出Distance: Similarity Measure對(duì)話框（圖7.7），用戶可根據(jù)數(shù)據(jù)特征選用測(cè)距方法：圖7.7 距離相關(guān)中相似性距離測(cè)量對(duì)話框1、計(jì)量資料Pearson correlation：以Pea

17、rson相關(guān)系數(shù)為距離；Cosine：以變量矢量的余弦值為距離，界于-1至+1之間。2、二分字符變量Russell and Rao：以二分點(diǎn)乘積為配對(duì)系數(shù)；Simple matching：以配對(duì)數(shù)與總對(duì)數(shù)的比例為配對(duì)系數(shù)；Jaccard：相似比例，分子與分母中的配對(duì)數(shù)與非配對(duì)數(shù)給予相同的權(quán)重；Dice：Dice配對(duì)系數(shù)，分子與分母中的配對(duì)數(shù)給予加倍的權(quán)重；Rogers and Tanimoto：Rogers and Tanimoto配對(duì)系數(shù)，分母為配對(duì)數(shù)，分子為非配對(duì)數(shù)，非配對(duì)數(shù)給予加倍的權(quán)重；Sokal and Sneath 1：Sokal and Sneath 型配對(duì)系數(shù)，分母為配對(duì)數(shù)，分

18、子為非配對(duì)數(shù)，配對(duì)數(shù)給予加倍的權(quán)重；Sokal and Sneath 2：Sokal and Sneath 型配對(duì)系數(shù)，分子與分母均為非配對(duì)數(shù)，但分子給予加倍的權(quán)重；Sokal and Sneath 3：Sokal and Sneath 型配對(duì)系數(shù)，分母為配對(duì)數(shù)，分子為非配對(duì)數(shù)，分子與分母的權(quán)重相同；Kulczynski 1：Kulczynski 型配對(duì)系數(shù)，分母為總數(shù)與配對(duì)數(shù)之差，分子為非配對(duì)數(shù)，分子與分母的權(quán)重相同；Kulczynski 2：Kulczynski平均條件概率；Sokal and Sneath 4：Sokal and Sneath 條件概率；Hamann：Hamann概率；L

19、ambda：Goodman-Kruskai相似測(cè)量的值；Anderbergs D：以一個(gè)變量狀態(tài)預(yù)測(cè)另一個(gè)變量狀態(tài)；Yules Y：Yule綜合系數(shù)，屬于22四格表的列聯(lián)比例函數(shù)；Yules Q：Goodman-Kruskal 值，屬于22四格表的列聯(lián)比例函數(shù)。3、其他型變量Ochiai：Ochiai二分余弦測(cè)量；Sokal and Sneath 5：Sokal and Sneath 型相似測(cè)量；Phi 4 point correlation：Pearson相關(guān)系數(shù)的平方值；Dispersion：Dispersion相似測(cè)量。同時(shí)，還可以選擇數(shù)據(jù)轉(zhuǎn)換形式：None：不作數(shù)據(jù)轉(zhuǎn)換；Z-Score

20、s：作標(biāo)準(zhǔn)Z分值轉(zhuǎn)換；Range -1 to 1：作-1至+1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換；Range 0 to 1：作0至1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換；Maximum magnitude of 1：作最大量值1的標(biāo)準(zhǔn)轉(zhuǎn)換；Mean of 1：作均數(shù)單位轉(zhuǎn)換；Standard deviation of 1：作標(biāo)準(zhǔn)差單位轉(zhuǎn)換。本例選Similarties項(xiàng)，并以Pearson correlation為測(cè)量距離。點(diǎn)擊Continue鈕返回Distance對(duì)話框，再點(diǎn)擊OK鈕即可。7.3.2.3 結(jié)果解釋在結(jié)果輸出窗口可看到三次測(cè)量結(jié)果的相關(guān)系數(shù)矩陣。第一次測(cè)量與第二次測(cè)量結(jié)果的r = 0.5734，第一次測(cè)量與第三次測(cè)

21、量結(jié)果的r = 0.7309，第二次測(cè)量與第三次測(cè)量結(jié)果的r = 0.0878，由此可見，后兩次測(cè)量的結(jié)果一致性較差，這意味著第一次恰好是后兩次的“均值”，故對(duì)該指標(biāo)作重復(fù)測(cè)量意義不大。Data Information 10 unweighted cases accepted. 0 cases rejected because of missing value. Correlation measure used. Correlation Similarity Coefficient Matrix Variable HB1 HB2 HB2 .5734 HB3 .7309 .0878如果對(duì)變量?jī)?nèi)部各觀察值間的一致性進(jìn)行考核（假定本例HB1變量中的數(shù)據(jù)為對(duì)一個(gè)標(biāo)準(zhǔn)試樣的十次平行測(cè)定），那么需在Distance對(duì)話框中選Between cases項(xiàng)，并選Dissimilarities項(xiàng)的Eucli