管理统计 SPASS第9章 普通相关分析

1、第第9 9章章SPSSSPSS的相关分析的相关分析9.1 9.1 相关分析概述相关分析概述9.1.1 相关的基本概念相关的基本概念1. 函数关系和相关关系函数关系和相关关系 函数关系函数关系是指事物或现象之间存在着严格的依存关系，其主要特征是指事物或现象之间存在着严格的依存关系，其主要特征是它的确定性，即对一个变量的每一个值，另一个变量都具有惟一确定的是它的确定性，即对一个变量的每一个值，另一个变量都具有惟一确定的值与之相对应。值与之相对应。 相关关系相关关系反映出变量之间虽然相互影响，具有依存关系，但彼此之反映出变量之间虽然相互影响，具有依存关系，但彼此之间是不能一一对应的。间是不能一一对应

2、的。相关分析是研究变量间密切程度的一种常用统计方相关分析是研究变量间密切程度的一种常用统计方法。法。思考：判断以下变量之间存在哪种关系？思考：判断以下变量之间存在哪种关系？1 1、圆的周长与半径；圆的周长与半径；2 2、学生成绩与其智力因素；学生成绩与其智力因素；3 3、各科学习成绩之间；、各科学习成绩之间；4 4、教育投资额与经济发展水平；、教育投资额与经济发展水平；5 5、社会环境与人民健康、社会环境与人民健康9.1 9.1 相关分析概述相关分析概述2. 相关关系的类型相关关系的类型(1)(1)根据相关程度的不同，相关关系可分为根据相关程度的不同，相关关系可分为完全相关、不完全相关完全相关

3、、不完全相关和和无无相关相关。(2)(2)根据变量值变动方向的趋势，相关关系可分为根据变量值变动方向的趋势，相关关系可分为正相关正相关和和负相关负相关。(3)(3)根据变量关系的形态，相关关系可分为根据变量关系的形态，相关关系可分为直线相关直线相关和和曲线相关曲线相关。(4)(4)根据研究变量的多少，可分为根据研究变量的多少，可分为单相关单相关、复相关复相关。9.1.2 9.1.2 相关分析相关分析1.相关分析的作用相关分析的作用 (1) (1)判断变量之间有无联系判断变量之间有无联系 (2) (2)确定选择相关关系的表现形式及相关分析方法确定选择相关关系的表现形式及相关分析方法 (3) (3

4、)把握相关关系的方向与密切程度把握相关关系的方向与密切程度 (4) (4)相关分析不但可以描述变量之间的关系状况，而且用来进行预测。相关分析不但可以描述变量之间的关系状况，而且用来进行预测。 (5)(5)相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等。相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等。 9.1.2 9.1.2 相关分析相关分析相关系数是描述相关关系强弱程度和方向的统计量，通常用相关系数是描述相关关系强弱程度和方向的统计量，通常用r r表示。表示。 相关系数的取值范围在相关系数的取值范围在-1-1和和+1+1之间，即：之间，即：1r 11r 1。 计算结

5、果，若计算结果，若r r为正，则表明两变量为正相关；若为正，则表明两变量为正相关；若r r为负，则表明两为负，则表明两变量为负相关。变量为负相关。 相关系数相关系数r r的数值越接近于的数值越接近于1 1（11或或+1+1），表示相关系数越强；越），表示相关系数越强；越接近于接近于0 0，表示相关系数越弱。如果，表示相关系数越弱。如果r=1r=1或或11，则表示两个现象完全，则表示两个现象完全直线性相关。如果直线性相关。如果=0=0，则表示两个现象完全不相关（不是直线相，则表示两个现象完全不相关（不是直线相关）。关）。 r r值很小，说明值很小，说明X X与与Y Y之间没有线性相关关系，但并不

6、意味着之间没有线性相关关系，但并不意味着X X与与Y Y之之间没有其它关系，如很强的非线性关系。间没有其它关系，如很强的非线性关系。 直线相关系数一般只适用与测定变量间的线性相关关系，若要衡量直线相关系数一般只适用与测定变量间的线性相关关系，若要衡量非线性相关时，一般应采用相关指数非线性相关时，一般应采用相关指数R R。3.相关系数相关系数9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用3.相关系数相关系数9.1.2 9.1.2 相关分析相关分析 思考：思考： (1)相关系数是否具备与相关变量相同的测量单位？ (2)相关系数是否受变量取值区间大小的影响？ (3)相关

7、系数是否受样本数目多少的影响? (4)来自于不同群体且不同质的事物的相关系数是否可以进行比较？ (5)对于不同类型的数据，计算相关系数的方法是否相同？ 3.3.相关系数相关系数9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用 简单相关分析是研究两个变量之间关联程度的统计方法，一般有图简单相关分析是研究两个变量之间关联程度的统计方法，一般有图形和数值两种表示方式。形和数值两种表示方式。 1 1、相关图相关图 在统计中制作相关图，可以直观地判断事物现象之间大致上呈现何在统计中制作相关图，可以直观地判断事物现象之间大致上呈现何种关系的形式。相关图是将两个变量对应的变量值用

8、坐标点形式描绘出种关系的形式。相关图是将两个变量对应的变量值用坐标点形式描绘出来，用以表明相关点分布状况的图形。来，用以表明相关点分布状况的图形。9.2.1 9.2.1 简单相关分析的基本原理简单相关分析的基本原理9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用 2 2、相关系数、相关系数 皮尔逊皮尔逊(Pearson)(Pearson)相关系数相关系数 皮尔逊相关系数亦称积矩相关系数，皮尔逊相关系数亦称积矩相关系数，18901890年由英国统计学家卡尔年由英国统计学家卡尔 皮尔逊提出。定距变量之间的相关关系测量常用皮尔逊提出。定距变量之间的相关关系测量常用Pear

9、sonPearson系数法。计系数法。计算公式如下：算公式如下：niniiiniiiyyxxyyxxr11221)()()( 计算皮尔逊相关系数的数据要求：变量都是服从正态分布，相互计算皮尔逊相关系数的数据要求：变量都是服从正态分布，相互独立的连续数据；两个变量在散点图上有线性相关趋势；样本容量独立的连续数据；两个变量在散点图上有线性相关趋势；样本容量。9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用 SpearmanSpearman等级相关系数等级相关系数 Spearman Spearman相关系数又称秩相关系数，是用来测度两个定序数据之相关系数又称秩相关系数，是

10、用来测度两个定序数据之间的线性相关程度的指标。间的线性相关程度的指标。 当两组变量值以等级次序表示时，可以用斯皮尔曼等级相关系数当两组变量值以等级次序表示时，可以用斯皮尔曼等级相关系数反映变量间的关系密切程度。它是根据数据的秩而不是原始数据来计反映变量间的关系密切程度。它是根据数据的秩而不是原始数据来计算相关系数的，其计算过程包括：对连续数据的排秩、对离散数据的算相关系数的，其计算过程包括：对连续数据的排秩、对离散数据的排序，利用每对数据等级的差额及差额平方，通过公式计算得到相关排序，利用每对数据等级的差额及差额平方，通过公式计算得到相关系数。其计算公式为：系数。其计算公式为： 式中，式中，r

11、 rR R为等级相关系数；为等级相关系数；d d为每对数据等级之差；为每对数据等级之差；n n为样本容量。为样本容量。16122nndrR9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用 斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格，只要两斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格，只要两个变量的观测值是成对的等级评定资料，或者是由连续变量观测资料转个变量的观测值是成对的等级评定资料，或者是由连续变量观测资料转化得到的等级资料，不论两个变量的总体分布形态、样本容量的大小如化得到的等级资料，不论两个变量的总体分布形态、样本容量的大小如何，都可以用斯皮

12、尔曼等级相关来进行研究。何，都可以用斯皮尔曼等级相关来进行研究。9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用 KendallsKendalls等级相关系数等级相关系数 肯德尔（肯德尔（KendallKendall）等级相关系数是在考虑了结点（秩次相同）的）等级相关系数是在考虑了结点（秩次相同）的条件下，测度两组定序数据或等级数据线性相关程度的指标。它利用条件下，测度两组定序数据或等级数据线性相关程度的指标。它利用排序数据的秩，通过计算不一致数据对在总数据对中的比例，来反映排序数据的秩，通过计算不一致数据对在总数据对中的比例，来反映变量间的线性关系的。其计算公式如

13、下：变量间的线性关系的。其计算公式如下：141nnirK 式中，式中，r rk k是肯德尔等级相关系数；是肯德尔等级相关系数；i i是不一致数据对数；是不一致数据对数；n n为样本为样本容量。容量。 计算肯德尔等级相关系数的数据要求与计算斯皮尔曼等级相关系数计算肯德尔等级相关系数的数据要求与计算斯皮尔曼等级相关系数的数据要求相同。的数据要求相同。9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用TipsTips： PearsonPearson：积差相关系数，计算连续变量或是等间距测度：积差相关系数，计算连续变量或是等间距测度的变量间的相关分析。的变量间的相关分析。 K

14、endallKendall：等级相关，计算分类变量间的秩相关。：等级相关，计算分类变量间的秩相关。 SpearmanSpearman：等级相关，斯皮尔曼相关系数。：等级相关，斯皮尔曼相关系数。 对于非等间距测度的连续变量，因为分布不明可以使用等级对于非等间距测度的连续变量，因为分布不明可以使用等级相关分析，也可以使用相关分析，也可以使用Pearson Pearson 相关分析；相关分析； 对于完全等级的离散变量必须使用等级相关分析相关性。对于完全等级的离散变量必须使用等级相关分析相关性。 当资料不服从双变量正态分布或总体分布型未知，或原始数当资料不服从双变量正态分布或总体分布型未知，或原始数据

15、是用等级表示时，宜用据是用等级表示时，宜用 Spearman Spearman 或或 KendallKendall 相关。相关。3 3相关系数的显著性检验相关系数的显著性检验 通常，我们用样本相关系数r作为总体相关系数的估计值，而r仅说明样本数据的X与Y的相关程度。 有时候，由于样本数据太少或其它偶然因素，使得样本相关系数r值很大，而总体的X与Y并不存在真正的线性关系。 因而有必要通过样本资料来对X与Y之间是否存在真正的线性相关进行检验，即检验总体相关系数是否为零（即原假设是：总体中两个变量间的相关系数为0）。 SPSS的相关分析过程给出了该假设成立的概率（输出结果中的Sig.）。9.2 SP

16、SS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用样本简单相关系数的检验方法为：样本简单相关系数的检验方法为：当原假设H0：=0，n50 时，检验统计量为： 当原假设H0：=0，n50 时，检验统计量为： 式中，r为简单相关系数；n为观测值个数（或样本容量）。9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用211rnrZ212rnrt2 ndf9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用9.2.3 9.2.3 实例分析：股票指数之间的联系实例分析：股票指数之间的联系1. 1. 实例内容实例内容 右表显示了右表显示了DJI

17、ADJIA和和S&P 500S&P 500在在19971997年年 1010周内的收盘价周内的收盘价( (数据文件数据文件9-1.sav9-1.sav) )。请计算它们之间的样本相关系数。请计算它们之间的样本相关系数。TIMEDJIA 30S&P 50010.24771594210.31744291511.775819281121788196311.28782395512.5814998412.12783895312.19775694712.2676799369.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用2. 2.

18、 实例操作实例操作 上上表给出了道琼斯工业平均指数和标准普尔指数在同一时表给出了道琼斯工业平均指数和标准普尔指数在同一时间点的数值。由于这些数值都是连续型变量，同时根据两个股间点的数值。由于这些数值都是连续型变量，同时根据两个股票指数的散点图，可见它们呈显著的线性相关，因此可以采用票指数的散点图，可见它们呈显著的线性相关，因此可以采用PearsonPearson相关系数来测度它们之间的相关性。但为了比较，我相关系数来测度它们之间的相关性。但为了比较，我们也计算了这两组变量的们也计算了这两组变量的KendallKendall和和SpearmanSpearman相关系数。相关系数。9.2 SPSS

19、9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用3. 3. 实例结果及分析实例结果及分析(1)(1)描述性统计分析表描述性统计分析表 运行结果首先给出的是当前样本进行描述性统计的结果，如下表运行结果首先给出的是当前样本进行描述性统计的结果，如下表所示。可以看到样本容量都等于所示。可以看到样本容量都等于1010，道琼斯工业平均指数和标准普尔，道琼斯工业平均指数和标准普尔指数的平均均值分别为指数的平均均值分别为7743.607743.60和和945.10945.10，两者差距显著。同时，两，两者差距显著。同时，

20、两者的方差差距也很明显。者的方差差距也很明显。9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用 (2)Pearson(2)Pearson相关系数表相关系数表 接着接着SPSSSPSS列出了道琼斯工业平均指数和标准普尔指数的列出了道琼斯工业平均指数和标准普尔指数的PearPearsonson相关系数见下表。可以看到，两种指数的相关系数见下表。可以看到，两种指数的PearsonPearson系数值高系数值高达达0.9950.995，非常接近，非常接近1 1；同时相伴概率；同时相伴概率P P值明显小于显著性水平值明显小于显著性水平0.0.0101，这也进一步说明两者高度正

21、线性相关。，这也进一步说明两者高度正线性相关。9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用(3)(3)非参数相关系数表非参数相关系数表 下表列出了两种股票指数的下表列出了两种股票指数的KendallKendall和和SpearmanSpearman相关系数，相关系数，分别等于分别等于0.9940.994和和0.9850.985；同时它们的概率；同时它们的概率P P值也远小于显著性值也远小于显著性水平。但本案例中，水平。但本案例中，SpearmanSpearman相关系数和相关系数和KendallKendall相关系数都相关系数都小于小于PearsonPearso

22、n相关系数，显然这是由于在秩变换或数据按有序相关系数，显然这是由于在秩变换或数据按有序分类处理时损失信息所导致的。分类处理时损失信息所导致的。 所以，通过以上分析看到，道琼斯工业平均指数和标准普尔所以，通过以上分析看到，道琼斯工业平均指数和标准普尔指数具有高度正相关性，一个指数的上涨或上跌时，另一个指指数具有高度正相关性，一个指数的上涨或上跌时，另一个指数也会伴随着上涨或下跌。数也会伴随着上涨或下跌。9.2 SPSS9.2 SPSS在简单相关分析中的应用在简单相关分析中的应用9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用9.3.1 9.3.1 偏相关分析的基本原理偏相

23、关分析的基本原理1.1.方法概述方法概述 在实际问题中，两变量的相关关系往往还要受到其他因素的在实际问题中，两变量的相关关系往往还要受到其他因素的影响，这些影响有时候会使相关分析的结果变得不那么可靠。因影响，这些影响有时候会使相关分析的结果变得不那么可靠。因此，引入了偏相关分析的方法。此，引入了偏相关分析的方法。 偏相关分析，也称净相关分析，是指在研究两个变量之间的偏相关分析，也称净相关分析，是指在研究两个变量之间的线性相关关系时，将与这两个变量有联系的其他变量控制不变的线性相关关系时，将与这两个变量有联系的其他变量控制不变的统计方法。统计方法。 根据控制变量的个数，偏相关分析分为零阶偏相关分

24、析、一根据控制变量的个数，偏相关分析分为零阶偏相关分析、一阶偏相关分析、二阶偏相关分析等等。其中，零阶偏相关分析是阶偏相关分析、二阶偏相关分析等等。其中，零阶偏相关分析是指没有控制变量的相关分析，即一般的相关分析。一阶偏相关分指没有控制变量的相关分析，即一般的相关分析。一阶偏相关分析是指有一个控制变量的相关分析，二阶偏相关分析是指有两个析是指有一个控制变量的相关分析，二阶偏相关分析是指有两个控制变量的偏相关分析，其他高阶偏相关分析以此类推。控制变量的偏相关分析，其他高阶偏相关分析以此类推。9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用2.2.基本原理基本原理 偏相关分

25、析是在相关分析的基础上考虑了两个因素以外的各种偏相关分析是在相关分析的基础上考虑了两个因素以外的各种作用，或者说在扣除了其他因素的作用大小以后，重新来测度这作用，或者说在扣除了其他因素的作用大小以后，重新来测度这两个因素间的关联程度。这种方法的目的就在于消除其他变量关两个因素间的关联程度。这种方法的目的就在于消除其他变量关联性的传递效应。联性的传递效应。 偏相关系数在计算时可以首先分别计算三个因素之间的相关系偏相关系数在计算时可以首先分别计算三个因素之间的相关系数，然后通过这三个简单相关系数来计算偏相关系数，公式如下：数，然后通过这三个简单相关系数来计算偏相关系数，公式如下： 上式就是在控制了

26、第三个因素的影响所计算的第一、第二个因上式就是在控制了第三个因素的影响所计算的第一、第二个因素之间的偏相关系数。当考虑一个以上的控制因素时的公式类推。素之间的偏相关系数。当考虑一个以上的控制因素时的公式类推。1213 2312(3)22132311rr rrrr3 3对偏相关系数的检验方法对偏相关系数的检验方法 在偏相关分析中，由于两个变量之间的相关系数是在固定（控制）了一个或几个变量后进行的，考虑到这种因素及抽样误差的影响，其检验统计量为：9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用212rknrt式中，r是特定的偏相关系数；n为观测值个数；k为控制变量个数；n-

27、k-2为自由度。9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用9.3.3 9.3.3 实例分析：股票市场和债券市场实例分析：股票市场和债券市场1. 1. 实例内容实例内容 数据文件数据文件9-2.sav9-2.sav列出了列出了20022002年至年至20072007年我国股票市场、年我国股票市场、交易所国债市场和银行间国债市场的综合指数，请利用相关分交易所国债市场和银行间国债市场的综合指数，请利用相关分析研究这三个市场的关联特征。析研究这三个市场的关联特征。 9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用2 .2 .实例操作实例操作 由于这

28、里要研究三个金融市场之间的关系，因此首先可以由于这里要研究三个金融市场之间的关系，因此首先可以利用利用9.29.2节的简单相关分析来初步探讨它们之间的联系。下表节的简单相关分析来初步探讨它们之间的联系。下表计算了这三个市场之间的计算了这三个市场之间的PearsonPearson相关系数。从表中数据看到，相关系数。从表中数据看到，三个市场间的价格相关系数较高，其中交易所和银行间国债市三个市场间的价格相关系数较高，其中交易所和银行间国债市场相关系数高达场相关系数高达0.9220.922，而它们和股市的相关系数相对较低，而它们和股市的相关系数相对较低，分别是分别是0.4110.411和和0.4190

29、.419，从数值大小看到这两个子市场和股市的，从数值大小看到这两个子市场和股市的关联性差异不明显。关联性差异不明显。 但是，就相关系数本身而言，它未必是两事物间线性关系但是，就相关系数本身而言，它未必是两事物间线性关系强弱的真实体现，往往有夸大的趋势，因为它在计算时都没有强弱的真实体现，往往有夸大的趋势，因为它在计算时都没有考虑第三方的影响，这就有可能导致对事物的解释出现偏差。考虑第三方的影响，这就有可能导致对事物的解释出现偏差。这里，股市、银行间国债市场和交易所国债市场之间肯定是相这里，股市、银行间国债市场和交易所国债市场之间肯定是相互关联的，两个市场间的关系强弱肯定要受到第三方的影响制互关

30、联的，两个市场间的关系强弱肯定要受到第三方的影响制约，市场间的关系强弱可能存在传递效应。基于这种考虑，这约，市场间的关系强弱可能存在传递效应。基于这种考虑，这里要引入偏相关系数测度市场间的关系。里要引入偏相关系数测度市场间的关系。9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用3. 3. 实例结果及分析实例结果及分析(1)(1)描述性统计分析表描述性统计分析表 运行首先给出的是当前样本进行描述性统计的结果见下表。运行首先给出的是当前样本进行描述性统计的结果见下表。可以看到样本容量都等于可以看到样本容量都等于13211321，三个市场综合指数的样本均值，三个市场综合指数的

31、样本均值和样本方差都有一定的差距。和样本方差都有一定的差距。9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用(2)(2)偏相关系数表偏相关系数表 下表列出了三个市场之间的偏相关系数。在控制了股市指下表列出了三个市场之间的偏相关系数。在控制了股市指数后，银行间和交易所市场间的相关系数没有发生太大变化，数后，银行间和交易所市场间的相关系数没有发生太大变化，仍然高达仍然高达0.9060.906，说明了这两个市场的关系密切且股市对两市，说明了这两个市场的关系密切且股市对两市波动影响较小。而银行间国债市场、交易所国债市场与股市波动影响较小。而银行间国债市场、交易所国债市场与股市的

32、偏相关系数却发生了显著变化：银行间市场和股市的的偏相关系数却发生了显著变化：银行间市场和股市的PearsPearsonon相关系数为相关系数为0.4190.419，而在控制了交易所指数后，它们之间的，而在控制了交易所指数后，它们之间的偏相关系数下降为偏相关系数下降为0.1140.114；同理，交易所国债市场和股市的相；同理，交易所国债市场和股市的相关系数也由关系数也由0.4110.411下降到下降到0.0700.070。这说明了第三方市场对剩余。这说明了第三方市场对剩余两个市场确实存在显著影响，通过简单相关系数还无法深入两个市场确实存在显著影响，通过简单相关系数还无法深入刻画市场之间的关系。这

33、里引入偏相关系数是比较适合的。刻画市场之间的关系。这里引入偏相关系数是比较适合的。9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用9.3 SPSS9.3 SPSS在偏相关分析中的应用在偏相关分析中的应用9.4 9.4 距离分析距离分析9.4.1 9.4.1 距离分析的基本原理距离分析的基本原理 简单相关分析和偏相关分析有一个共同点，那就是对所分析简单相关分析和偏相关分析有一个共同点，那就是对所分析的数据背景应当有一定程度的了解。但在实际中有时会遇到一的数据背景应当有一定程度的了解。但在实际中有时会遇

34、到一种情况，在分析前对数据所代表的专业背景知识尚不充分，本种情况，在分析前对数据所代表的专业背景知识尚不充分，本身就属于探索性的研究。这时就需要先对各个指标或者案例的身就属于探索性的研究。这时就需要先对各个指标或者案例的差异性、相似程度进行考察，以先对数据有一个初步了解，然差异性、相似程度进行考察，以先对数据有一个初步了解，然后再根据结果考虑如何进行深入分析。后再根据结果考虑如何进行深入分析。9.4 9.4 距离分析距离分析 距离分析是对观测量之间或变量之间相似或不相似的程度的距离分析是对观测量之间或变量之间相似或不相似的程度的一种测度，是计算一对变量之间或一对观测量之间的广义的距离。一种测度

35、，是计算一对变量之间或一对观测量之间的广义的距离。根据变量的不同类型，可以有许多距离、相似程度测量指标供用根据变量的不同类型，可以有许多距离、相似程度测量指标供用户选择。但由于本模块只是一个预分析过程，因此距离分析并不户选择。但由于本模块只是一个预分析过程，因此距离分析并不会给出常用的会给出常用的P P值，而只能给出各变量值，而只能给出各变量/ /记录间的距离大小，以供记录间的距离大小，以供用户自行判断相似性。用户自行判断相似性。 调用距离分析过程可对变量内部各观察单位间的数值进行距离调用距离分析过程可对变量内部各观察单位间的数值进行距离相关分析，以考察相互间的接近程度；也可对变量间进行距离相

36、相关分析，以考察相互间的接近程度；也可对变量间进行距离相关分析，常用于考察预测值对实际值的拟合程度，也可用于考察关分析，常用于考察预测值对实际值的拟合程度，也可用于考察变量的相似程度。在距离分析中，主要利用变量间的相似性测度变量的相似程度。在距离分析中，主要利用变量间的相似性测度(Similarities)(Similarities)和不相似性测度和不相似性测度(Dissimilarities)(Dissimilarities)度量研究对象度量研究对象之间的关系。之间的关系。9.4 9.4 距离分析距离分析9.4.2 9.4.2 距离分析的距离分析的SPSSSPSS操作详解操作详解Step01

37、Step01：打开对话框：打开对话框 选择菜单栏中的选择菜单栏中的【Analyze(Analyze(分析分析) )】【Correlate(Correlate(相关相关) )】【Distances(Distances(距离距离) )】命令，弹出命令，弹出【Distances(Distances(距离距离) )】对话对话框，这是距离分析的主操作窗口。框，这是距离分析的主操作窗口。9.4 SPSS9.4 SPSS在距离分析中的应用在距离分析中的应用 Step02Step02：选择检验变量：选择检验变量 在在【Distances(Distances(距离距离) )】对话框左侧的候选变量列表框中选择两对

38、话框左侧的候选变量列表框中选择两个或两个以上变量，将其添加至个或两个以上变量，将其添加至【Variables(Variables(变量变量) )】列表框中，表列表框中，表示需要进行距离分析的变量。同时可以选择一个字符型标示变量移入示需要进行距离分析的变量。同时可以选择一个字符型标示变量移入【Label Cases(Label Cases(标注个案标注个案) )】列表框中，在输出中将用这个标示变量列表框中，在输出中将用这个标示变量值对各个观测量加以标记。缺省时，输出中用观测量的序号来标记。值对各个观测量加以标记。缺省时，输出中用观测量的序号来标记。Step03Step03：选择分析类型：选择分析

39、类型 在在【Compute Distances(Compute Distances(计算距离计算距离) )】选项组中可以选择计算何种选项组中可以选择计算何种类型的距离。类型的距离。 Between casesBetween cases：系统默认项。表示作变量内部观察值之间的距离：系统默认项。表示作变量内部观察值之间的距离相关分析。相关分析。 Between variablesBetween variables：表示作变量之间的距离相关分析。：表示作变量之间的距离相关分析。9.4 SPSS9.4 SPSS在距离分析中的应用在距离分析中的应用Step04Step04：测度类型选择：测度类型选择 在

40、在【Measure(Measure(度量标准度量标准) )】选项组中可以选择分析时采用的距离类型。选项组中可以选择分析时采用的距离类型。 DissimilaritiesDissimilarities：系统默认项。不相似性测距，系统默认采用欧：系统默认项。不相似性测距，系统默认采用欧式距离测度观测值或变量之间的不相似性。式距离测度观测值或变量之间的不相似性。 SimilaritiesSimilarities：相似性测距。系统默认使用：相似性测距。系统默认使用PearsonPearson相关系数测度相关系数测度观测值或变量之间的相似性。观测值或变量之间的相似性。Step05Step05：完成操作：完成操作 单击单击【OKOK】按钮，结束操作，按钮，结束操作，SPSSSPSS软件自动输出结果。软件自动输出结果。 9.4 SPSS9.4 SPSS在距