【摘要】:为了分析父亲与儿子身高之间的相关性,现抽取了12对父子的身高样本,数据如表6.3,请对其进行相关性分析。表6.3父亲与儿子身高调查数据图6.20SPSS变量定义第三步,选择菜单“分析→相关→双变量”,打开如图6.21所示的对话框,将“father”和“son”两个变量移入“变量”框中;“相关系数”选择Pearson;在“显著性检验”中选择“双侧检验”。图6.21SPSS双变量相关参数设置图6.22SPSS双变量相关性选项图6.23SPSS分析结果
为了分析父亲与儿子身高之间的相关性,现抽取了12对父子的身高样本,数据如表6.3,请对其进行相关性分析(显著性水平取α=0.05)。
第一步,业务理解与数据理解:身高是连续变量,可以采用Pearson相关系数来衡量。
第二步,数据的组织与结构定义:在“数据编辑窗口”的“数据视图”中,将数据分成两列,一列是父亲的身高,对应的变量名为father,另一列是儿子的身高,对应的变量名为son,输入具体数据,并在“变量视图”中定义变量father和son,如图6.20所示。
表6.3 父亲与儿子身高调查数据
图6.20 SPSS变量定义
第三步,选择菜单“分析→相关→双变量”,打开如图6.21所示的对话框,将“father”和“son”两个变量移入“变量”框中;“相关系数”选择Pearson;在“显著性检验”中选择“双侧检验”。
点击按钮“选项”,将弹出的对话框的标签“统计量”下的两个选项均改为选中状态,目的是在输出结果中显示均差、标准差、叉积偏差和协方差,如图6.22所示。(www.daowen.com)
第四步,结果查阅与理解。点击确定后系统将显示计算结果,如图6.23所示。
从图6.23中可以看出,相关系数为0.703,大于0,说明呈正相关,而相伴概率值Sig.=0.005<0.05,因此应拒绝零假设(H0:两个变量之间不具相关性),即说明儿子身高是受父亲身高显著性正影响。
图6.21 SPSS双变量相关参数设置
图6.22 SPSS双变量相关性选项
图6.23 SPSS分析结果
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。
有关信息分析导论的文章