相关分析用于研究定量数据之间的关系情况,包括是否有关系,以及关系紧密程度等。例如:研究员工薪资与员工工龄的关系;产品销量与产品售后服务的关系等。
二、数据类型相关分析的适用范围很广,理论上讲,凡是考察两个变量相关性,都可以叫作相关分析。相关分析研究是定量与定量的数据,如果是定类和定量数据需要使用方差分析,定类和定类需要使用交叉(卡方)。
三、SPSSAU操作1.上传数据
登录账号后进入SPSSAU页面,点击右上角“上传数据”,将处理好的数据进行“点击上传文件”上传即可。
2.拖拽分析项
在“通用方法”模块中选择“相关”方法,将分析项定量变量放于分析框内,点击“开始分析”即可。
PS: 分析项X可选
需要特别强调的一点是,相关分析通常不会特别区分哪个变量是X,哪个变量是Y。因此分析时,常常是直接把分析项都放入“分析项Y(定量)”里即可。
3.参数选择
SPSSAU在相关分析中提供
四、分析前检验1.正态性检验
相关分析要求数据服从正态分布,因此分析前需要检验数据的正态性。正态性有多种检验方法,常见方法如:正态图、正态性检验、P-P图/Q-Q图等。
补充说明:相关分析对数据正态要求比较宽松,违反时系数计算结果也比较稳健,只要数据基本满足正态即可。如果数据完全不正态,则可以用Spearman相关系数。
2.线性趋势
当两个定量数据在散点图上的散点呈现直线趋势时,就可以认为两者存在直线相关趋势,这也是相关分析的一个基本前提。
补充说明:可使用SPSSAU中可视化下的散点图进行分析与查看。
例如上图,当X增大时,可以比较明显地看出Y会随着减小,说明X和Y之间有着负向相关关系。如果是正相关,散点图会呈现随着一个变量值的增加,另一个变量值也增加的趋势。
如果数据呈现非线性的趋势,可以选择对变量进行数据转换(如对数转换),或是使用Spearman相关系数进行分析。
3.异常值
相关分析对极端值较为敏感,异常值会影响分析结果。需要在分析前查看是否存在异常值,保证结果的可靠性,此步可以和上一步一起通过散点图查看。
如果存在异常值,可以使用SPSSAU数据处理里面的异常值进行处理。
五、SPSSAU分析背景:利用相关分析去研究公司满意度和人际关系, 机会感知, 离职倾向, 工作条件共4项之间的相关关系,使用Pearson相关系数去表示相关关系的强弱情况。(PS:已满足分析条件)
1.Pearson相关-标准格式
从上表可知,利用相关分析去研究公司满意度和人际关系, 机会感知, 离职倾向, 工作条件共4项之间的相关关系,使用Pearson相关系数去表示相关关系的强弱情况。
其中上表展示了各个变量的均值标准差以及相关系数等,例如:公司满意度的平均值为3.291,标准差为0.541,人际关系的平均值是3.748,标准差为0.616,机会感知的平均值3.322以及标准差为0.602,以此类推。
补充说明:对于相关分析,一般规范的表格格式是:p 值使用*号表示(标识在相关系数的右上角),p
制图网(www.makepic.net),专业的logo免费设计在线生成网站,全自动智能化logo设计,商标设计,logo在线生成!
欢迎使用制图网制作属于您公司自己的logo,不仅专业而且经济实惠,全方位满足您公司品牌化、视觉化的需求。