『步骤2』本例只需绘制出数学成绩和化学成绩两者的散布情况,因此选择“Simple”图,如图3-5所示。
图3-5 Scatterplot对话框
『步骤3』单击Define按钮,打开Simple Scatterplot对话框,如图3-6所示。在此对话框中,把左侧的“数学”、“化学”这个两个变量分别通过单击
按钮
使之添加到右侧的X Axis和Y Axis框中,表示散点图将分别把数学成绩和化学成绩绘制在X轴和Y轴上。其他悬想不变,然后单击OK,开始绘图。
图3-6 Simple Scatterplot对话框
结果和讨论
绘出的散点图如图3-7所示,从中明显看出这两个变量线形不相关。
图3-7 散点图
实验3.二元定序变量的相关分析
★ 研究问题
某专家先后对一个工程的多个项目加以评分,两次评分分别记为变量“分值1”和“分值2”,如下表所示。问两次评分的等级相关有多大,是否达到显著水平?
工程项目两次的得分情况 项目名 分值1 分值2 项目1 78.00 75.00 项目2 77.00 83.00 项目3 81.00 83.00 项目4 87.00 8300 项目5 91.00 92.00 项目6 77.00 74.00 项目7 96.00 93.00 项目8 81.00 87.00 项目9 67.00 65.00 项目10 79.00 73.00 项目11 89.00 85.00 项目12 78.00 70.00 项目13 95.00 90.00 项目14 88.00 81.00
项目15
95.00 85.00 ★ 实现步骤
『步骤1』在“Analyze”菜单“Correlate”中选择Bivariate命令,如3-8所示。
图3-8 选择Bivariate Correlate菜单
『步骤2』在弹出如图3-9所示的Bivariate Correlate对话框中,从对话框左侧的变量列表中分别选择“分值1”和“分值2”变量,单击
按钮
使这两个变量添加到Variables框。
在Correlation Coefficients框中选择Spearman和Kendall’s tua-b等级相关系数;在Test of significance框中选择相关系数的双侧(Two-tailed)检验,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。如图3-9。
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
spss统计学软件实验报告
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)