论文部分内容阅读
摘 要：相关分析是分析客观事物之间关系的数量分析方法，明确客观事物之间有怎样的关系，对理解和运用相关分析是极为重要的。通过具体实例，阐述使用SPSS软件进行相关分析的详细过程，最后还对Pearson相关系数进行分析，为研究科学的教学方法科提供了一定的参考。
关键词：SPSS软件；相关分析；Pearson相关系数
中图分类号：G4 文献标识码：A doi：10.19311/j.cnki.1672-3198.2018.03.094
为了进行两个变量之间的比较，通常可以使用相关分析的方法。进行相关分析的主要方法有图示法和计算相关系数。图示法是通过绘制相关散点图，找出变量之间相关关系的方法，虽然散点图能够直观地展现度量之间的统计关系，但不精确。除散点图外，还可以通过计算相关系数来分析变量之间的相互关系。Pearson相关系数是一种线性关联度量，适用于两个变量的度量水平都是尺度数据，并且两个变量的总体是正态分布或接近于正态分布的情况。本文主要是利用散点图和Pearson相关系数来进行相关分析。
1 试验设计和数据
研究某班级学生《高等数学》与《线性代数》的期末成绩如表一所示，现要研究该班学生的两门课程的成绩之间是否具有相关性。
2 SPSS操作实现步骤
（1）选择“文件 ”菜单中“打开”子菜单中的“数据”命令，文件类型选为“*.xls”，将表格中的数据导入SPSS中。
（2）在“图形”菜单的“旧对话框”子菜单中选择“散点/点状”， 在弹出如图1所示的“散点图/点图”对话框中，选择散点图类型。
（3）选择简单散点图，将变量“高等数学”选入“X轴”，将变量“线性代数”选入“Y轴”，如图2所示，然后确定。
（4）生成散点图，如图3所示。
（5）在“分析”菜单的“相关”子菜单中选择“双变量”，在弹出如图4所示的“双变量相关性”对话框中，将变量“高等数学”和“线性代数”选入“变量”对话框，选择“Pearson相关系数”，然后确定。
（6）得到Pearson相关性检验结果，如图5所示。
3 结果分析
（1）由图3粗略可知，两门课程的成绩之间存在较强的正相关关系。
（2）圖5就是所要求的相关系数，它是以一个矩阵的形式表示。从图表中可以看出，两门课程成绩的相关性系数为0.742。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0.01（在表格中的显示为“0.000”），即《高等数学》与《线性代数》的成绩显著相关，且为正相关。
4 结束语
相关分析在统计分析中的作用是多方面的，具体概括如下：（1）判断变量之间有无联系；（2）确定相关关系的表现形式及相关分析方法；（3）把握相关关系的方向与密切程度；（4）为进一步采取其他统计方法进行分析提供依据；（5）可以用来进行预测。
参考文献
[1]薛薇.基于SPSS的数据分析（第三版）[M].北京：中国人民大学出版社，2014.
[2]冯岩松.SPSS22.0统计分析应用教程[M].北京：清华大学出版社，2015.
[3]谢蕾蕾，宋志刚，何旭洪.SPSS统计分析实用教程（第2版）[M].北京：人民邮电出版社，2013.
[4]杨承根. 基于SPSS的高中理科成绩相关分析[J].考试周刊，2010，（13），146-147.
[5]刘菊香，沈霄凤. 用Spss统计软件对学生综合成绩的因子分析[J]. 统计教育，2006，（01），53-56.
关键词：SPSS软件；相关分析；Pearson相关系数
中图分类号：G4 文献标识码：A doi：10.19311/j.cnki.1672-3198.2018.03.094
为了进行两个变量之间的比较，通常可以使用相关分析的方法。进行相关分析的主要方法有图示法和计算相关系数。图示法是通过绘制相关散点图，找出变量之间相关关系的方法，虽然散点图能够直观地展现度量之间的统计关系，但不精确。除散点图外，还可以通过计算相关系数来分析变量之间的相互关系。Pearson相关系数是一种线性关联度量，适用于两个变量的度量水平都是尺度数据，并且两个变量的总体是正态分布或接近于正态分布的情况。本文主要是利用散点图和Pearson相关系数来进行相关分析。
1 试验设计和数据
研究某班级学生《高等数学》与《线性代数》的期末成绩如表一所示，现要研究该班学生的两门课程的成绩之间是否具有相关性。
2 SPSS操作实现步骤
（1）选择“文件 ”菜单中“打开”子菜单中的“数据”命令，文件类型选为“*.xls”，将表格中的数据导入SPSS中。
（2）在“图形”菜单的“旧对话框”子菜单中选择“散点/点状”， 在弹出如图1所示的“散点图/点图”对话框中，选择散点图类型。
（3）选择简单散点图，将变量“高等数学”选入“X轴”，将变量“线性代数”选入“Y轴”，如图2所示，然后确定。
（4）生成散点图，如图3所示。
（5）在“分析”菜单的“相关”子菜单中选择“双变量”，在弹出如图4所示的“双变量相关性”对话框中，将变量“高等数学”和“线性代数”选入“变量”对话框，选择“Pearson相关系数”，然后确定。
（6）得到Pearson相关性检验结果，如图5所示。
3 结果分析
（1）由图3粗略可知，两门课程的成绩之间存在较强的正相关关系。
（2）圖5就是所要求的相关系数，它是以一个矩阵的形式表示。从图表中可以看出，两门课程成绩的相关性系数为0.742。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0.01（在表格中的显示为“0.000”），即《高等数学》与《线性代数》的成绩显著相关，且为正相关。
4 结束语
相关分析在统计分析中的作用是多方面的，具体概括如下：（1）判断变量之间有无联系；（2）确定相关关系的表现形式及相关分析方法；（3）把握相关关系的方向与密切程度；（4）为进一步采取其他统计方法进行分析提供依据；（5）可以用来进行预测。
参考文献
[1]薛薇.基于SPSS的数据分析（第三版）[M].北京：中国人民大学出版社，2014.
[2]冯岩松.SPSS22.0统计分析应用教程[M].北京：清华大学出版社，2015.
[3]谢蕾蕾，宋志刚，何旭洪.SPSS统计分析实用教程（第2版）[M].北京：人民邮电出版社，2013.
[4]杨承根. 基于SPSS的高中理科成绩相关分析[J].考试周刊，2010，（13），146-147.
[5]刘菊香，沈霄凤. 用Spss统计软件对学生综合成绩的因子分析[J]. 统计教育，2006，（01），53-56.