目录
相关分析
相关分析(Correlation Analysis)是一种研究变量间关系的方法。
根据变量性质,可分为皮尔逊积差相关、斯皮尔曼(Kendall)等级相关、肯德尔(Spearman)w系数。
皮尔逊积差相关
皮尔逊积差相关用于分析连续变量间相关关系,是我们在研究中经常、甚至最常用的相关分析方法。
相关系数(r)用于描述变量间关系密切程度和方向。
-
r的大小表示变量间关系的密切程度。r越大,表示变量间关系越紧密。
-
r的符号表示变量间关系的方向。正号表示变量间为正相关,负号表示变量间为负相关。
相关系数r的取值范围在-1到1之间。
-
r = -1时,两个变量完全负相关。
-
r = 0时,两个变量无线性相关。
-
r = 1时,两个变量完全正相关。
操作方法
-
分析>相关>双变量
2. 将要分析的变量添加至右侧“变量”栏中,可点击“选项”,出现新的界面,勾选“均值和标准差”,点击“继续”,则可获得每个变量的均值和标准差信息,最后点击“确定”。
结果解读与报告
每个变量的均值和标准差,变量间的相关系数及显著性。
通过Pearson积差相关分析,结果显示工作投入度与工作绩效显著相关(r = 0.595, p < 0.01) / 工作投入度与工作绩效之间存在显著正相关关系(r = 0.595, p < 0.01)。
偏相关
皮尔逊积差相关,计算两个变量间的相关关系,分析两个变量间线性关系的程度。但往往因为第三个变量的作用,使相关系数不能真正反映两个变量间的线性程度,这时便需要用到偏相关(Partial Correlation)分析,其任务就是研究两个变量之间的线性相关关系时控制可能对其产生影响的变量。
-
例如,我们想要分析学生物理成绩和化学成绩之间是否存在显著相关,但其数学成绩可能会影响其物理成绩和化学成绩,因此,我们可以采偏相关分析,在控制数学成绩的情况下,探究物理成绩和化学成绩之间的相关关系。
操作方法
1. 分析>相关>偏相关
2. 将要分析相关关系和控制的变量添加到相应栏中,点击“确定”,即可获得结果。
3. 结果显示,在控制数学成绩的情况下,物理成绩和化学成绩之间无显著负相关关系(r = -0.085, p =0.731)。
此外,在偏相关分析界面右侧的“选项”中,可勾选“均值和标准差”,计算每个变量的平均数和标准差,以及“零阶相关系数”,计算没有控制变量时,各个变量之间的相关关系,结果可见下图,与通过皮尔逊积差相关计算所得结果相同。
希望上述介绍可以帮助到你!也欢迎大家在评论区多多交流分享。
你的关注/点赞 /收藏★/分享,是最大的支持!