spss统计学软件实验报告

图3-9 Bivariate Correlate对话框

『步骤3』单击OK按钮，SPSS开始计算Spearman和Kendall’s tua-b等级相关系数。

⑶ 结果和讨论

SPSS的运行结果如下：

Nonparametric Correlations

从结果中可以看出，两次评分的Spearman和Kendall’s tua-b等级相关系数分别为0.663和0.822。在这个数据的旁边有两个星号，表示用户指定的显著性水平

为0.01时，统计检验的相伴概率小于等于0.01，即两次评分显著相关，且为正相关。

实验4．偏相关分析

★ 研究问题

某农业实验场通过试验取得小麦产量与单位虫害值和平均温度的数据，如下表所示。现求单位虫害值对产量的偏相关。

小麦产量与单位虫害值和温度之间的关系 产量 单位虫害值 温度 170.00 15.00 7.00 200.00 23.00 9.00 230.00 35.00 11.00 350.00 38.00 13.00 400.00 41.00 17.00 480.00 44.00 19.00 530.00 47.00 20.00 590.00 50.00 23.00 670.00 55.00 28.00 710.00 59.00 31.00 ★ 实现步骤 『步骤1』在“Analyze”菜单“Correlate”中选择Partial命令，如图3-10所示。

图3-10 选择Bivariate Partial 菜单

『步骤2』在弹出的如图2所示Bivariate Partial对话框中，从对话框左侧的

变量列表中分别选择“产量”和“单位虫害”变量，单击 量进入Variables框中，在选择“温度”变量，单击

按钮使这两个变

按钮使这个变量添加到

Controlling For框中，表示现在所求的是剔除“温度”变量影响后“产量”和“单位虫害”变量之间偏相关系数。

图3-11 Partial Correlations对话框

在Test of significance框中选择相关系数的双侧（Two-tailed）检验。 本例选中Flag significations correlations选项，则相关分析结果中将不显示统计检验的相伴概率，而以星号（*）显示，星号的意义与计算简单相关系数中的相同。

『步骤3』单击Options按钮，出现Partial Correlations对话框，如图3-12所示。

图3-12 Partial Correlations对话框

在Statistics框中选择Zero-order correlations项，在输出偏相关系数的同时还输出变量间的简单相关系数。在Missing Values框中选择Exclude cases listwise项，剔除所有具有缺失值的个案后再计算。

『步骤4』单击Continue按钮，返回Partial Correlations对话框，单击

OK按钮，即可得到SPSS相关分析的结果。

结果和讨论

SPSS的运行结果如下。

Partial Corr

从结果中可以看到，上半部分是变量两两之间的Partial简单相关系数，以“产量”和“单位虫害”为例，它们之间的Partial简单相关系数为0.954。

下半部分是偏相关分析的输出结果，其中，对每个变量都有三行输出结果：第一行为偏相关系数，第二行为检验统计量的相伴概率、第三行为统计检验的自由度。从中可知，在剔除“温度”变量的影响条件下，“产量”与“单位虫害”二变量的影响条件下，“产量”与“降雨量”二变量的偏相关系数为0.304，自由度为7，相伴概率为0.427。

可见，简单相关系数和偏相关系数相比，前者有夸大的成分，后者更符合实际。

实验5．距离相关分析

★ 研究问题1----变量之间的相似性预测分析

对6个人进行3次体能测试，测得结果如下表所示。问测试结果是否一致。

3次测试情况 1 2 3 4 5 6 第一85 87 81 88 89 84 次