SPSS基本功能及操作

1、統(tǒng)計(jì)分析模型（1）信度分析 文獻(xiàn)558操作步驟：分析度量可靠性分析（R）移動變量到項(xiàng)目（I）框內(nèi)統(tǒng)計(jì)量描述性（項(xiàng)+度量+如果。）項(xiàng)之間（相關(guān)性）繼續(xù)確定信度系數(shù)界限值：060065認(rèn)為不可信；065070認(rèn)為是最小可接受值：070080認(rèn)為相當(dāng)好；080090就是非常好。因此，份信度系數(shù)好的量表或問卷最好在080以上，070080之間還算是可以接受的范圍；分量表最好在070以上：060070之間可以接受。若分量表的內(nèi)部一致性系數(shù)在060以下或者總量表的信度系數(shù)在080以下，應(yīng)該考慮重新修訂量表或增刪題目。案例處理匯總N%案例有效102100.0已排除a0.0總計(jì)102100.0a. 在此程序中

2、基于所有變量的列表方式刪除?？煽啃越y(tǒng)計(jì)量Cronbachs Alpha基于標(biāo)準(zhǔn)化項(xiàng)的 Cronbachs Alpha項(xiàng)數(shù).822.8307項(xiàng)總計(jì)統(tǒng)計(jì)量項(xiàng)已刪除的刻度均值項(xiàng)已刪除的刻度方差校正的項(xiàng)總計(jì)相關(guān)性多相關(guān)性的平方項(xiàng)已刪除的 Cronbachs Alpha 值經(jīng)濟(jì)因素27.0212.415.088.099.872成長因素26.8910.058.782.669.770刪除任何題項(xiàng)后的Cronbachs 系數(shù)也無顯著提高。可見核心知識性員工激勵組合量表的內(nèi)部一致性高，信度較好。信度分析說明該問卷的整體結(jié)構(gòu)設(shè)計(jì)具有較高的可信度。由此可以認(rèn)為，該問卷具有較好的內(nèi)在信度，依此調(diào)查得到的數(shù)據(jù)是可信的，

3、基于該問卷進(jìn)行的數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果也是比較可靠的。（2）效度分析 文獻(xiàn)560每一個(gè)r值彼此都達(dá)到顯著性水平的個(gè)數(shù)越多，就表示該分量表建構(gòu)效度越好。操作步驟：分析相關(guān)雙變量（B）移動變量到變量（V）框內(nèi)相關(guān)系數(shù)（Spearman/Kendalltau-b(K)）顯著性檢驗(yàn)（雙側(cè)檢驗(yàn)）標(biāo)記顯著性相關(guān)確定相關(guān)系數(shù)經(jīng)濟(jì)因素成長因素精神因素領(lǐng)導(dǎo)因素環(huán)境因素工作因素管理因素Spearman 的 rho經(jīng)濟(jì)因素相關(guān)系數(shù)1.000.241*.183.125.266*.061.144Sig.（雙側(cè)）.015.065.210.007.544.149N102102102102102102102成長因素相關(guān)系數(shù).241

4、*1.000.711*.691*.585*.487*.432*Sig.（雙側(cè)）.015.000.000.000.000.000N102102102102102102102*. 在置信度（雙測）為 0.05 時(shí)，相關(guān)性是顯著的。*. 在置信度（雙測）為 0.01 時(shí)，相關(guān)性是顯著的。從工作滿意度與員工參與的相關(guān)分析結(jié)果中可以看出，工作滿意度的6個(gè)維度均與員工參與有相關(guān)關(guān)系，且都為正向相關(guān)，顯著性水平均達(dá)到0.05的顯著性水平，可證明薪酬激勵量表具有較高的收斂效度，可以進(jìn)行后續(xù)研究，他們之間的相關(guān)性也可以說明本文的研究具有一定的意義。第二種方法（備用）：分析度量可靠性分析（R）移動變量到項(xiàng)目（I）

5、框內(nèi)統(tǒng)計(jì)量項(xiàng)之間（相關(guān)性）繼續(xù)確定項(xiàng)間相關(guān)性矩陣經(jīng)濟(jì)因素成長因素精神因素領(lǐng)導(dǎo)因素環(huán)境因素工作因素管理因素經(jīng)濟(jì)因素1.000.108.029-.006.239-.009.037成長因素.1081.000.670.720.657.570.502精神因素.029.6701.000.660.517.477.373領(lǐng)導(dǎo)因素-.006.720.6601.000.566.537.481環(huán)境因素.239.657.517.5661.000.471.387工作因素-.009.570.477.537.4711.000.647管理因素.037.502.373.481.387.6471.000 對比上面相關(guān)系數(shù)表，項(xiàng)間

6、相關(guān)性矩陣中相關(guān)系數(shù)判別標(biāo)準(zhǔn)：=0.1(強(qiáng)相關(guān))（3）頻數(shù)分析 P66 文獻(xiàn)558操作步驟：分析描述統(tǒng)計(jì)（123）頻率（F）移動變量到變量（V）框內(nèi)顯示頻率表格統(tǒng)計(jì)量分布（偏度+峰度）繼續(xù)確定頻率也稱頻數(shù)，就是一個(gè)變量在各個(gè)變量值上取值的個(gè)案數(shù)。SPSS中的頻數(shù)分析過程可以方便地產(chǎn)生詳細(xì)的頻數(shù)分布表，即對數(shù)據(jù)按組進(jìn)行歸類整理，形成各變量的不同水平的頻數(shù)分布表和常用的圖形，以便對各變量的數(shù)據(jù)特征和觀測量分布狀況有一個(gè)概括的認(rèn)識。描述總體分布形態(tài)的統(tǒng)計(jì)量主要有偏度和峰度兩種。偏度(Skewness)是描述取值分布形態(tài)對稱性的統(tǒng)計(jì)量，由Pearson在1895年提出。偏度由樣本的3階中心矩與樣本方差

7、的32次方的比值而得，偏度的絕對值越大，表示數(shù)據(jù)分布的偏斜程度越高。來自正態(tài)總體的樣本偏度近似為0。偏度系數(shù)有兩種測量方式，分別為皮爾遜偏度系數(shù)1和皮爾遜偏度系數(shù)2。偏度系數(shù)等于0的時(shí)候?qū)儆谡龖B(tài)分布；偏度系數(shù)大于0的時(shí)候是右偏分布，表明較低的值占多數(shù)；偏度系數(shù)小于0的時(shí)候?yàn)樽笃植迹砻鬏^高的值占多數(shù)。峰度(Kutosis)是描述變量取值分布形態(tài)扁平程度的統(tǒng)計(jì)量，由Pearson在1905年提出。峰度等于0的時(shí)候表示數(shù)據(jù)分布的扁平程度適中，即正態(tài)分布；峰度大于0的時(shí)候表示數(shù)據(jù)呈扁平分布；峰度小于0表明數(shù)據(jù)呈尖峰分布。統(tǒng)計(jì)量經(jīng)濟(jì)因素成長因素精神因素領(lǐng)導(dǎo)因素環(huán)境因素工作因素管理因素N有效10210

8、2102102102102102缺失0000000偏度-1.776-1.902-2.168-2.885-1.795-1.960-1.671偏度的標(biāo)準(zhǔn)誤.239.239.239.239.239.239.239峰度3.2154.7937.38010.2543.9515.1343.972峰度的標(biāo)準(zhǔn)誤.474.474.474.474.474.474.474經(jīng)濟(jì)因素頻率百分比有效百分比累積百分比有效254.94.94.9322.02.06.943332.432.439.256260.860.8100.0合計(jì)102100.0100.0操作步驟：數(shù)據(jù)（D）拆分文件（F）比較組移動分組變量到分主方式（G）中（

9、注意：一次移動一個(gè)分組變量+如果一次移動多個(gè)則成為組合頻率分析）確定分析描述統(tǒng)計(jì)（123）頻率（F）移動變量到變量（V）框內(nèi)顯示頻率表格確定統(tǒng)計(jì)量最高學(xué)歷經(jīng)濟(jì)因素成長因素精神因素領(lǐng)導(dǎo)因素環(huán)境因素工作因素管理因素1N有效26262626262626缺失00000002N有效26262626262626缺失00000003N有效27272727272727缺失00000004N有效23232323232323缺失0000000經(jīng)濟(jì)因素最高學(xué)歷頻率百分比有效百分比累積百分比1有效227.77.77.7313.83.811.54726.926.938.551661.561.5100.0合計(jì)26100.

10、0100.02有效213.83.83.841246.246.250.051350.050.0100.0合計(jì)26100.0100.03有效213.73.73.741140.740.744.451555.655.6100.0合計(jì)27100.0100.0（4）描述性統(tǒng)計(jì)分析 P71 文獻(xiàn)558操作步驟：分析描述統(tǒng)計(jì)描述（D）移動變量到變量（V）框內(nèi)選項(xiàng)均值、樣本方差、樣本標(biāo)準(zhǔn)差繼續(xù)確定 離散系數(shù)另行計(jì)算描述性統(tǒng)計(jì)量是研究隨機(jī)變量變化綜合特征(參數(shù))的重要工具，它們集中描述了變量變化的特征。SPSS提供的基本統(tǒng)計(jì)量大致可以分為3類：描述集中趨勢的統(tǒng)計(jì)量、描述離散程度的統(tǒng)計(jì)量和描述總體分布形態(tài)的統(tǒng)計(jì)量。

11、統(tǒng)計(jì)學(xué)中的集中趨勢統(tǒng)計(jì)量是由樣本值確定的量，樣本值有向這個(gè)數(shù)據(jù)集中的趨勢。測度集中趨勢就是尋找數(shù)據(jù)一般水平的代表值或中心值，不同類型的數(shù)據(jù)用不同的集中趨勢測度值，選擇哪種測度值取決于數(shù)據(jù)的類型。描述集中趨勢的統(tǒng)計(jì)量有樣本均值、中位數(shù)等。均值(Mean)又稱為“算術(shù)平均值”，指一組數(shù)的平均值。樣本均值反映了變量取值的集中趨勢，或者平均水平，是最常用的基本統(tǒng)計(jì)量。統(tǒng)計(jì)學(xué)中描述離散趨勢的統(tǒng)計(jì)量是樣本值遠(yuǎn)離集中趨勢統(tǒng)計(jì)量程度的定量化描述，說明了集中趨勢測度值的代表程度，不同的數(shù)據(jù)有不同的離散趨勢測度值。比較重要的離散趨勢統(tǒng)計(jì)量有樣本方差、樣本標(biāo)準(zhǔn)差、離散系數(shù)等。樣本方差(Variance)是刻畫樣本數(shù)

12、據(jù)關(guān)于均值的平均偏差平方的一個(gè)量，是描述樣本離散趨勢的最常用的統(tǒng)計(jì)量。樣本方差越大，表明樣本值偏離樣本平均值的可能性就越大。由于樣本方差的計(jì)算單位是樣本值的平方，將樣本方差開方后可以得到和樣本值相同量綱的統(tǒng)計(jì)量，稱為樣本標(biāo)準(zhǔn)差(Stddeviation)。樣本標(biāo)準(zhǔn)差和樣本方差一樣，也是度量樣本離散程度的重要統(tǒng)計(jì)量。離散系數(shù)也稱標(biāo)準(zhǔn)差系數(shù)，即標(biāo)準(zhǔn)差與相應(yīng)均值之比，主要用于測量相對離散程度，對不同組別離散數(shù)據(jù)進(jìn)行比較。離散系數(shù)消除了數(shù)據(jù)水平高低和計(jì)量單位的影響。均值、樣本方差、樣本標(biāo)準(zhǔn)差、離散系數(shù)描述統(tǒng)計(jì)量N均值標(biāo)準(zhǔn)差方差經(jīng)濟(jì)因素1024.49.767.589成長因素1024.62.614.377

13、精神因素1024.55.684.468有效的 N （列表狀態(tài)）102（5）均值比較操作步驟：分析比較均值均值（M）移動變量到因變量列表（D）框內(nèi)移動分組變量到自變量列表（I）框內(nèi)選項(xiàng)均值從統(tǒng)計(jì)量（S）框移動到單元格統(tǒng)計(jì)量（C）繼續(xù)確定Means過程傾向于對樣本進(jìn)行描述，它可以對需要比較的各組計(jì)算描述指針，進(jìn)行檢驗(yàn)前的預(yù)先分析。Means過程的優(yōu)勢在于所有的描述性統(tǒng)計(jì)變量均按因變量的取值分組計(jì)算，無須先進(jìn)行文件拆分過程，輸出結(jié)果中各組的描述指標(biāo)放在一起，便于相互比較分析。Means過程計(jì)算指定變量的綜合描述統(tǒng)計(jì)量，包括均值、標(biāo)準(zhǔn)差、總和、觀測量數(shù)、方差等一系列單變量描述統(tǒng)計(jì)量，當(dāng)觀測量按一個(gè)分類

14、變量分組時(shí)，Means過程可以進(jìn)行分組計(jì)算。Means過程還可給出方差分析表和線性檢驗(yàn)結(jié)果。使用Means過程求若干組的描述統(tǒng)計(jì)量，目的在于比較，因此必須分組求均值。案例處理摘要案例已包含已排除總計(jì)N百分比N百分比N百分比經(jīng)濟(jì)因素 * 最高學(xué)歷102100.0%0.0%102100.0%成長因素 * 最高學(xué)歷102100.0%0.0%102100.0%精神因素 * 最高學(xué)歷102100.0%0.0%102100.0%管理因素 * 現(xiàn)任職務(wù)102100.0%0.0%102100.0%經(jīng)濟(jì)因素 成長因素 精神因素 領(lǐng)導(dǎo)因素 環(huán)境因素 工作因素 管理因素 * 最高學(xué)歷均值最高學(xué)歷經(jīng)濟(jì)因素成長因素精神

15、因素領(lǐng)導(dǎo)因素環(huán)境因素工作因素管理因素14.424.424.424.464.194.504.3824.424.544.584.624.354.354.3534.484.704.484.744.564.374.2644.654.834.744.874.434.524.52總計(jì)4.494.624.554.674.384.434.37報(bào)告均值最高學(xué)歷經(jīng)濟(jì)因素成長因素精神因素領(lǐng)導(dǎo)因素環(huán)境因素工作因素管理因素博士4.424.424.424.464.194.504.38碩士4.424.544.584.624.354.354.35本科4.484.704.484.744.564.374.26?？?.654.83

16、4.744.874.434.524.52總計(jì)4.494.624.554.674.384.434.37（6）單因素方差分析 文獻(xiàn)558操作步驟：分析比較均值單因素ANOVA移動變量到因變量列表（E）框內(nèi)移動分組變量到因子（F）框內(nèi)（注意：一次只能移動一個(gè)）兩兩比較（H）LSD+ Tamhane”s T2繼續(xù)選項(xiàng)方差同質(zhì)性檢驗(yàn)（H）繼續(xù)確定假設(shè)檢驗(yàn)是對給定的總體參數(shù)值，利用樣本數(shù)據(jù)對其推斷，并給出接受或者拒絕的過程。對正態(tài)總體參數(shù)的檢驗(yàn)過程一般包括參數(shù)的假設(shè)檢驗(yàn)和參數(shù)估計(jì)。在總體已知的情況下對總體包含的參數(shù)進(jìn)行推斷的問題稱為參數(shù)檢驗(yàn)問題。參數(shù)檢驗(yàn)不僅可以針對一個(gè)總體的檢驗(yàn)，也可以針對兩個(gè)或更多個(gè)總

17、體的比較問題。當(dāng)總體分布未知時(shí)，根據(jù)樣本推斷總體的分布類型和參數(shù)值的大小的過程稱為非參數(shù)檢驗(yàn)文獻(xiàn)558。假設(shè)檢驗(yàn)的基本原則是依據(jù)統(tǒng)計(jì)推斷原理，即小概率事件在一次特定的抽樣中一般是不會發(fā)生的，如果發(fā)生了小概率事件，就有理由懷疑假設(shè)的正確性，從而拒絕檢驗(yàn)該問題時(shí)做出的假設(shè)文獻(xiàn)561。任何領(lǐng)域的研究者要檢驗(yàn)一個(gè)新理論或新觀點(diǎn)時(shí)，可以首先陳述自己認(rèn)為正確的假設(shè)，這個(gè)試圖確立的假設(shè)作為備擇假設(shè)H1，與備擇假設(shè)相配的是原假設(shè)H0。然后，通過收集有關(guān)樣本數(shù)據(jù)和采用相應(yīng)的檢驗(yàn)方法來檢驗(yàn)。這種方法不是設(shè)法證明備擇假設(shè)成立，而是努力收集證據(jù)來證明原假設(shè)不成立文獻(xiàn)559。檢驗(yàn)的基本步驟： 1）給出檢驗(yàn)問題的零假設(shè)根

18、據(jù)檢驗(yàn)問題的要求，將需要檢驗(yàn)的最終結(jié)果作為零假設(shè)（原假設(shè)），通常表述為H0：u1=u2=u3=u4=u5（因素影響無顯著差異）；備擇假設(shè)H1：u1、u2、u3，u4、u5不全相等（因素影響有顯著差異）。2）選擇檢驗(yàn)統(tǒng)計(jì)量在統(tǒng)計(jì)推斷中，總是通過構(gòu)造樣本的統(tǒng)計(jì)量并計(jì)算該統(tǒng)計(jì)量的概率值進(jìn)行推斷，一般構(gòu)造的統(tǒng)計(jì)量應(yīng)服從或近似服從常用的已知分布，例如均值檢驗(yàn)中最常用的t分布和F分布等。3）計(jì)算檢驗(yàn)統(tǒng)計(jì)量的觀測值及其發(fā)生的概率值在給定零假設(shè)前提下，計(jì)算統(tǒng)計(jì)量的觀測值和相應(yīng)概率p值。概率p值就是在零假設(shè)H0成立時(shí)檢驗(yàn)統(tǒng)計(jì)量的觀測值發(fā)生的概率，該概率值間接地給出了樣本值在零假設(shè)成立的前提下的概率，對此可以依據(jù)

19、一定的標(biāo)準(zhǔn)來判定其發(fā)生的概率是否為小概率。4）在給定顯著性水平條件下，做出統(tǒng)計(jì)推斷結(jié)果顯著性水平指當(dāng)假設(shè)正確時(shí)被拒絕的概率，即棄真概率，一般取001或005。當(dāng)檢驗(yàn)統(tǒng)計(jì)量的概率p值小于顯著性水平時(shí)，則認(rèn)為此時(shí)拒絕零假設(shè)而犯棄真錯(cuò)誤的概率小于顯著性水平，即低于預(yù)先給定的水平，也就是說犯錯(cuò)誤的概率小到我們能容忍的范圍，這時(shí)可以拒絕零假設(shè)，認(rèn)為控制變量不同水平下觀測變量各總體的均值存在顯著差異，當(dāng)控制變量的各個(gè)效應(yīng)不同時(shí)為0時(shí)，控制變量的不同水平對觀測變量產(chǎn)牛了顯著影響；反之，如果檢驗(yàn)統(tǒng)計(jì)量的概率p值大于顯著性水平，如果拒絕零假設(shè)，犯棄真錯(cuò)誤的概率大于預(yù)先給定的容忍水平，這時(shí)不應(yīng)該拒絕零假設(shè)，認(rèn)為控

20、制變量不同水平下觀測變量各總體的均值無顯著差異，控制變量的各個(gè)效應(yīng)同時(shí)為0時(shí)，控制變量的不同水平對觀測變量沒有產(chǎn)生顯著影響。方差分析是統(tǒng)計(jì)學(xué)的一個(gè)重要范疇，是對觀察結(jié)果的數(shù)據(jù)做分析的一種常用的統(tǒng)計(jì)方法，目的是檢驗(yàn)兩個(gè)或多個(gè)樣本均數(shù)間差異的顯著性意義。方差分析是通過對數(shù)據(jù)誤差來源的分析判斷不同總體之間的均值是否相等，進(jìn)而分析自變量是否有影響文獻(xiàn)561。方差分析是種假設(shè)檢驗(yàn)，它是對全部樣本觀測值的變動進(jìn)行分解，將某種控制因素下各組樣本觀測值之間可能存在的由該因素導(dǎo)致的系統(tǒng)性誤差和隨機(jī)誤差加以比較，據(jù)此推斷各組樣本之間是否存在顯著差異。若存在顯著差異，則說明該因素對各總體的影響是顯著的。方差分析主要

21、用于：均數(shù)差別的顯著性檢驗(yàn)、分離各有關(guān)因素并估計(jì)其對總變異的作用、分析因素間的交互作用和方差齊性檢驗(yàn)。根據(jù)觀測變量的個(gè)數(shù)，可以將方差分析分為單變量方差分析和多變量方差分析；根據(jù)因素的個(gè)數(shù)，可以將方差分析分為單因素方差分析和多因素方差分析。單因素方差分析用來研究個(gè)控制變量的不同水平是否對觀測量產(chǎn)生了顯著影響。單因素方差分析是檢驗(yàn)由單因素影響的多組樣本某因變量的均值是否有顯著差異的問題，如果各組之間有顯著差異，說明這個(gè)因素(分類變量)對因變量是有顯著影響的，因素的不同水平會影響到因變量的取值。方差分析基本假定：對于因素的每一個(gè)水平，要求觀測值是來自服從正態(tài)分布總體的簡單隨機(jī)樣本：對于各組觀察數(shù)據(jù)，

22、要從具有等方差的總體中抽取的，即要求各個(gè)總體的方差必須相同（方差具有齊性）；要求獨(dú)立試驗(yàn)(觀測)。ANOVA平方和df均方F顯著性經(jīng)濟(jì)因素組間.4163.139.230.875組內(nèi)59.07498.603總數(shù)59.490101成長因素組間1.2803.4271.136.338組內(nèi)36.80898.376總數(shù)38.088101方差齊性檢驗(yàn)Levene 統(tǒng)計(jì)量df1df2顯著性經(jīng)濟(jì)因素.169398.917成長因素3.811398.012精神因素1.724398.167領(lǐng)導(dǎo)因素3.190398.027環(huán)境因素.834398.478工作因素.432398.730管理因素.970398.410當(dāng)方差分

23、析F檢驗(yàn)否定了原假設(shè)，即認(rèn)為至少有兩個(gè)總體的均值存在顯著性差異時(shí)，須進(jìn)一步確定是哪兩個(gè)或哪幾個(gè)均值顯著的不同，則需要進(jìn)行多重比較來檢驗(yàn)。多重比較是指在因變量的三個(gè)或三個(gè)以上水平下均值之間進(jìn)行的兩兩比較檢驗(yàn)。SPSS提供了各種不同的多重比較方法，包括最小顯著差異LSD法、Bonferroni法、Tukey法、Scheff法等。根據(jù)方差齊次性檢驗(yàn)表的結(jié)果顯示，經(jīng)驗(yàn)開放性這一因素的顯著性系數(shù)為0.012，小于0.05，不具有方差齊次性（各個(gè)總體的方差相同），因此讀取Tamhane”s T2的兩兩t檢驗(yàn)結(jié)果；責(zé)任意識因素的顯著性系數(shù)大于0.05，具有方差齊次性，因此讀取LSD（Least一signif

24、ieantdifferenee）的兩兩t檢驗(yàn)結(jié)果，結(jié)果如表？所示。多重比較因變量(I) 現(xiàn)任職務(wù)(J) 現(xiàn)任職務(wù)均值差 (I-J)標(biāo)準(zhǔn)誤顯著性95% 置信區(qū)間下限上限經(jīng)濟(jì)因素LSD12.100.224.656-.34.543-.015.220.945-.45.424-.079.249.752-.57.41Tamhane12.100.222.998-.52.723-.015.2311.000-.66.634-.079.2671.000-.82.66多重比較因變量:經(jīng)濟(jì)因素(I) 最高學(xué)歷(J) 最高學(xué)歷均值差 (I-J)標(biāo)準(zhǔn)誤顯著性95% 置信區(qū)間下限上限LSD博士碩士.000.2151.000

25、-.43.43本科-.058.213.784-.48.36?？?.229.221.303-.67.21碩士.229.221.303-.21.67本科.171.220.439-.26.61Tamhane博士碩士.000.2241.000-.62.62本科-.058.2221.000-.67.55專科-.229.240.920-.89.43（7）相關(guān)分析 文獻(xiàn)558操作步驟：分析相關(guān)雙變量（B）移動一個(gè)個(gè)人變量到變量（V）框內(nèi)移動全部分析變量到變量（V）框內(nèi)相關(guān)系數(shù)（Spearman/Kendall）顯著性檢驗(yàn)（雙側(cè)檢驗(yàn)）標(biāo)記顯著性相關(guān)確定變量間的關(guān)系分為確定性關(guān)系和非確定性關(guān)系兩類：確定性關(guān)系即

26、通常所說的函數(shù)關(guān)系；非確定性關(guān)系即相關(guān)關(guān)系。相關(guān)分析(Correlate)是研究變量之間關(guān)系緊密度的一種統(tǒng)計(jì)方法，應(yīng)用廣泛，是專業(yè)統(tǒng)計(jì)分析的基礎(chǔ)。在統(tǒng)計(jì)分析中，常利用相關(guān)系數(shù)定量地描述兩個(gè)變量之間線性關(guān)系的緊密程度。相關(guān)分析的主要目的是研究變量之間關(guān)系的密切程度，以及根據(jù)樣本的資料推斷總體是否相關(guān)。在統(tǒng)計(jì)分析中，常利用相關(guān)系數(shù)定量地描述兩個(gè)變量之間線性關(guān)系的緊密程度。數(shù)據(jù)度量尺度不同，相關(guān)分析的方法也不同。連續(xù)變量之間的相關(guān)性常用Pearson簡單相關(guān)系數(shù)來測定；定序變量的相關(guān)性常用Spearman秩相關(guān)系數(shù)或Kendall秩相關(guān)系數(shù)來測定：而定類變量的相關(guān)分析則要使用列聯(lián)表分析方法。針對不同

27、的變量類型，相關(guān)系數(shù)的計(jì)算方法不盡相同，但它們的含義和取值范圍是相同的，即相關(guān)系數(shù)的取值范圍都在-1和+1之間；如果r0，則表示兩變量存在正相關(guān)；反之，則存在負(fù)相關(guān)。一般認(rèn)為，當(dāng)相關(guān)系數(shù)的絕對值大于08時(shí)，兩個(gè)變量之間具有較強(qiáng)的線性關(guān)系；而相關(guān)系數(shù)的絕對值小于03時(shí)，兩個(gè)變量之間的線性關(guān)系較弱文獻(xiàn)561。由于存在抽樣的隨機(jī)性和樣本數(shù)量較少等原因，通常樣本相關(guān)系數(shù)不能直接用來說明樣本來自的兩總體是否具有顯著的線性相關(guān)性，需要通過假設(shè)檢驗(yàn)的方式對樣本來自的總體是否存在顯著的線性相關(guān)關(guān)系進(jìn)行統(tǒng)計(jì)推斷?；静襟E如下：文獻(xiàn)5585611)提出原假設(shè)，即兩總體無顯著的線性關(guān)系。2)構(gòu)造檢驗(yàn)統(tǒng)計(jì)量。由于不同的相關(guān)系數(shù)采用不同的檢驗(yàn)統(tǒng)計(jì)量，因此在相關(guān)分析時(shí)，不同的過程需要構(gòu)造不同的檢驗(yàn)統(tǒng)計(jì)量。3)計(jì)算檢驗(yàn)統(tǒng)計(jì)量的觀測值及對應(yīng)的概率p值(