SPSS皮尔逊相关分析实例操作步骤

1、SPSS皮尔逊相关分析实例操作步骤选题：对某地29名13岁男童的身高（cm）、体重（kg），运用相关分析法来 分析其身高与体重是否相关。实验目的：任何事物的存在都不是孤立的，而是相互联系、相互制约的。相关分 析可对变量进行相关关系的分析，计算29名13岁男童的身高（cm）、体重 （kg），以判断两个变量之间相互关系的密切程度。Numberheightweight1135.1322139.9303163.6464146.5345156.2376156.4367167.8428149.7319145.03310148.53711165.55012135.02813153.34114152.032实

2、验变量：编号 Number，身高 height（ cm）原始数据：实验方法：皮尔逊相关分析法15160.54716 153.047仃147.64118157.54319155.14520160.53821143.03222149.43423160.84024159.03925158.23826150.03627144.535:28154.64029156.532，体重 weight（ kg）软件：spss19.0操作过程与结果分析：第一步：导入Excel数据文件？?1. ?ope n data documentope n dataope n； 2. Opening excel data sou

3、rceOK.第二步：分析身高（cm）与体重（kg）是否具有相关性1. 在最上面菜单里面选中 Analyzecorrelatebivariate?，首先使用Pearson, two-tailed，勾选 flag significant correlations进入如下界面：2. 点击右侧 options,勾选 Statistics，默认 Missing Values，点击 Continue 输出结果：MeanStd. DeviationN身高（cm）152.5768.362229体重（kg）37.655.74629Descriptive Statistics图为基本的描述性统计量的 输出表格，其

4、中身高的均值（mear）为 152.576cm、标准差 （sta ndard deviati on）为8.3622、样本容量（number ofcases）为29;体重的均值为37.65kg、标准差为5.746、样本容量为29。 两者的平均值和标准差值得差距不显着。Correlations图为相关分析结果表，从身高（cm）体重（kg）身高(cm)Pearson Correlation1*.719表中可以看出Sig. (2-tailed).000SumofSquaresand1957.953967.816体重和身高之Cross-products间的皮尔逊相Covariance69.92734.5

5、65N2929关系数为体重(kg)Pearson Correlation*.71910.719，即 卩Sig. (2-tailed).000SumofSquaresand967.816924.312|r|=0.719,表示Cross-products体重与身高呈Covariance34.56533.011N2929正相关关系，且*. Correlation is significant at the 0.01 level (2-tailed).两变量是显着相关的。另外,两者之间不相关的双侧检验值为 0.000，图中的双星号标记的相关系数是在 显着性水平为 0.01以下，认为标记的相关系数是显着的，验证了两者显着 相关的关系。 所以可以得出结论： 学生的体重与身高存在显着的正相关性， 当体重越高时，身高也