SPSS相关分析

皮尔逊相关
适用于研究两个连续性资料之间的相关性。应用条件为两组数据都必须符合正态分布，或者是近似于正态分布。

1.分析---描述----探索，选择含有正态检验的正态图，就可以进行正态性检验，看w检验与w检验的p值均大于0.05，即可进行正态分布。如果d检验与w检验的结果存在矛盾，那就按照样本量大小，选择d。检验样本量小时，选择w检验。

2.然后再对变量进行散点图的分析判断是否有线性趋势，之后我们再进行相关分析。

3.点击分析相关双变量，就可以进行分析。

皮尔逊相关性系数是用来判断相关性的大小，显著性水平则是为了证明相关系数的真实性，显著性水平大于0.05，就证明前面的皮尔逊相关系数是假的，并不存在。只有p小于0.05时，前面的皮尔逊相关系数才有意义。它的绝对值越大，相关性越强，0.8到1为高度相关，0.6到0.8为强相关，0.4到0.6为中等相关，相关0.2到0.4弱相关，0到0.2为极弱相关或无相关。

---

当上述皮尔逊相关的条件不符合及有变量，不是符合正态分布时或者两个变量中至少有一个为等级变量时，就可以使用斯皮尔曼相关。步骤与上述一样，肯德尔系数是非参数相关仅用于双变量均为等级资料。

---

目的就是为了扣除第三个因素的影响，研究x与y之间的关系分析，分析相关偏相关，需要勾选零阶相关性，此时就可以看到扣除前后的影响关系。p小于0.05才可以考虑

偏相关的散点图可以通过普通的散点图进行做图，也就是说我们做的是残差散点图。得到残差散点图之后，我们要利用描述功能得到x与y均值，利用计算变量得出原始x和y数据，然后就可以计算出偏相关的散点图

首先将自变量与因变量一一对应，使用线性回归分析，保存--未标准化残差。利用生成的残差+自变量各自的均值就可以进行作图了

SPSS中的偏相关只针对皮尔逊有效。如果是斯皮尔曼的话则需要进行程序编码的修改。

MONPAR CORR Y X Z
/MISSING=LISTWISE
/MATRIX OUT(*)
RECODE rowtype_('RHO'='CORR')
PARTIAL CORR Y X BY Z
/MISSING=LISTWISE
/MATRIX IN(*).

---

典型相关

的操作步骤，为分析  相关  典型相关   将各自因素放入
结果上可以看到

Canonical Correlations

典型相关性，他会给出很多典型相关性的数值，那么这是要查看显著性哪个小于0.05就代表这个数值是真的。那么我们就知道了典型相关系数的数值，这个数值我们要按照典型相关系数大小来进行对比，看一下是高度相关中度相关还是强相关还是弱相关还是无关。

Set 1 Standardized Canonical Correlation Coefficients

Set 1 Unstandardized Canonical Correlation Coefficients
另外，如果研究变量的单位相同，就看非标准化系数。研究变量单位不同，就看标准化系数。根据标准化系数，我们可以写出方程式。

Proportion of Variance Explained
已解释的方差比。比如集合一乘以集合二，我们就可以知道集合一，可以用集合二解释多少比例

---

距离相关

如何用SPSS进行距离分析-IBM SPSS Statistics 中文网站

SPSS实现距离分析_sayasora的博客-CSDN博客_spss距离分析