SPSS26.0统计分析：在心理学与教育学中的应用 课件 第5章 相关分析

SPSS26.0统计分析

——在心理学与教育学中的应用2026/10/30第五章相关分析在心理与教育研究领域中，智力与学业成就，性格与焦虑，测验的前测与后测，平行测验之间等都存在一定的联系。反映客观事物之间相互关系的密切程度并用适当的统计指标表示出来，这个过程就是相关分析。第五章相关分析需要注意的是，两个变量之间有相关关系，并不等于这两个变量之间有因果关系，有可能仅是伴随关系。比如，某人家里有个小孩，家门口有一棵树，每个月量一次小孩的身高X，每个月量一次树高Y，那么X和Y一定是正相关的，这个正相关一定是显著的，但X和Y之间不存在因果关系。但，若事物之间有因果关系，则两者必然相关。相关系数就是用来描述两个（或多个）变量间关系程度及其方向的统计量，通常用符号r表示。按相关的形式可分为线性相关和非线性相关，本章主要探讨线性相关。按相关的程度可分为完全相关，不完全相关和零相关。完全相关指变量Y与X间呈线性函数关系，此时r=1或r=-1；不完全相关指变量Y与X间呈统计关系，此时有0＜∣r∣＜1。零相关就是线性相关为零，也就是没有线性相关。若Y与X变化方向一致，如身高与体重的关系，则称为正相关，r＞0；若Y与X变化方向相反，如吸烟与肺功能的关系，则称为负相关，

r＜0；零相关指变量Y与X间没有任何线性关系，此时r=0。常用的几种相关系数分析包括：（1）皮尔逊（Pearson）积差相关分析；（2）斯皮尔曼（Spearman）等级相关分析；（3）肯德尔（Kendall）和谐系数（SPSS中文版将其译为肯德尔协同系数）；

其中，皮尔逊积差相关系数的大小评判标准如下：|r|≥0.8为高度相关；0.5≤|r|＜0.8为中度相关；0.3≤|r|＜0.5为低度相关；|r|＜0.3为弱相关。通过【分析】

【相关】

【双变量】菜单命令进行相关分析（Correlate），包括皮尔逊积差相关分析（若其中一列变量为二分变量，此功能等价于点二列相关分析）、斯皮尔曼等级相关分析。通过【分析】

【非参数检验】

【旧对话框】

【K个相关样本】菜单命令可计算肯德尔（Kendall）和谐系数。第五章相关分析第五章相关分析5.1皮尔逊积差相关分析及效应量计算5.2斯皮尔曼等级相关分析5.3肯德尔和谐系数的相关分析5.4相关分析的报告参考样例

5.1皮尔逊积差相关分析及效应量计算皮尔逊积差相关的两个变量需要满足以下基本条件：两个变量都是连续型的等距数据；两个变量都服从正态分布；两个变量有线性关系。在进行皮尔逊积差相关系数的显著性检验时，假设检验的假设分别为：

原假设H0：ρ＝0，即两变量相关为0。备择假设H1：ρ≠0，即两变量相关不为0，相关显著。ρ表示两个总体之间的相关，而r表示两个样本之间的相关。案例：【例5-1】分析30名被试的外语成绩与智力分数之间是否有一定关系。

第1步：打开“外语系学生的智力测验.sav”文件。第2步：启动分析过程。点击【分析】

【相关】

【双变量】菜单命令。第3步：设置分析变量。在左边变量列表中选中“外语成绩”和“智力分数”变量，选入右边的“变量”框中。如果需要同时分析多个变量两两之间的相关，可以同时选中多个变量放入“变量”框中。在“相关系数”框中，共有三种：“皮尔逊”是皮尔逊积差相关系数（点二列相关系数）；“肯德尔

tau-b”为非参数资料的相关系数(略)；“斯皮尔曼”为斯皮尔曼等级相关系数，可用于非正态分布资料（或顺序数据的资料、等级数据的资料）的相关系数计算。本例选用系统默认的“皮尔逊”。在“显著性检验”框中可选相关系数的“⊙双尾”、“○单尾”。本例按系统默认方式，选“⊙双尾”。点击主对话框的右侧【选项】按钮弹出选项的对话框，在“统计”框内，有两个复选框：“平均数和标准差”、“叉积偏差和协方差”。这里把这两个复选框都勾选。

在“缺失值”框内，按系统默认方式。第4步：在主对话框中点击【确定】按钮，提交执行。第5步：结果分析。第一个表：描述统计第二个表：积差相关系数情况[分析]：外语成绩、智力分数的“皮尔逊相关性”（积差相关系数）为0.529，对应的显著性水平为0.003，小于0.05，拒绝原假设。结论：外语成绩、智力分数两变量之间存在显著相关。积差相关系数的效应量和统计检验力第五章相关分析第五章相关分析5.1皮尔逊积差相关分析及效应量计算5.2斯皮尔曼等级相关分析5.3肯德尔和谐系数的相关分析5.4相关分析的报告参考样例

5.2斯皮尔曼等级相关分析斯皮尔曼（Spearman）等级相关分析，是分析顺序变量（等级变量）之间的秩相关。以下情境适合使用斯皮尔曼等级相关：（1）两个变量都是等级变量；（2）一个变量是正态分布的等距变量，另外一个变量是等级变量；（3）两个变量都是等距变量，但其中一个或两个变量不服从正态分布；（4）两个变量都是等距变量，但样本量较小（N＜30）。案例：【例5-2】分析10名儿童情商分数与母亲耐心程度之间是否存在相关。由于本例中样本量较小，计算斯皮尔曼等级相关更适合。第1步：打开分析数据。打开“儿童情商分数.sav”文件。第2步：启动分析过程。点击【分析】

【相关】

【双变量】菜单命令。

第3步：设置分析变量。在左边变量列表中选中“儿童情商”和“母亲耐心”变量，然后选入右边的“变量”框中。

在“相关系数”框中选择相关系数的类型，本例选用“斯皮尔曼”。

点击主对话框的右侧【选项】按钮弹出选项对话框，在“统计”框内，有两个复选框，均为灰色不可用。在“缺失值”框内，按系统默认方式。

主对话框右侧的【样式】、【自助抽样】按钮，在本例中都不操作。第4步：在主对话框中点击【确定】按钮，提交执行。SPSS在输出窗口输出结果。第5步：结果分析。[分析]：儿童情商、母亲耐心的斯皮尔曼等级相关系数为0.721，对应的显著性为0.019，小于0.05，拒绝原假设。结论：儿童情商、母亲耐心两变量之间存在显著的相关。【思考题】在统计教材中，计算斯皮尔曼等级相关系数时先计算每个被试的等级，然后再根据等级来计算。这里直接使用原始数据是否正确？以下SPSS的操作步骤，按照统计教材中的步骤来计算斯皮尔曼等级相关系数，对比前一种方式的结果是否一致。第1步：求两个变量的等级变量（秩变量）。点击【转换】

【个案排秩】命令，弹出个案排秩的对话框。选择“儿童情商”、“母亲耐心”到右边的变量框中。点击【确定】按钮，提交执行。则在数据窗口出现两列新的排秩变量“R儿童”、“R母亲”。第2步：求等级变量（秩变量）的相关系数。点击【分析】

【相关】

【双变量】菜单命令，打开对话框。

选择“Rankof儿童情商”、“Rankof母亲耐心”两个变量进入右边的“变量”框。

由上表可知，用两种方式求斯皮尔曼等级相关系数的结果是一样的。

由此可知，计算等级相关的时候，SPSS是将连续数据先转换成等级数据来处理的。第五章相关分析第五章相关分析5.1皮尔逊积差相关分析及效应量计算5.2斯皮尔曼等级相关分析5.3肯德尔和谐系数的相关分析5.4相关分析的报告参考样例

5.3肯德尔和谐系数的相关分析肯德尔（Kendall）和谐系数相关分析，又名肯德尔W系数分析，是分析等级变量间的秩相关，适用于多列等级资料的相关。既可以是k个评分者评N个对象，也可以是同一个人先后k次评N个对象。5.3肯德尔和谐系数的相关分析通过求得肯德尔W系数，可以较为客观地评价评分者之间的一致性。当评分者完全无序、不一致时，W=0；当评分者完全一致时，W=1。W越接近1，评分者之间的一致性越高。肯德尔W系数的显著性检验，其假设检验的假设分别为：原假设H0：W＝0，即评分者的评分之间不一致、不相关的，评分等级是无序的。备择假设H1：W＞0，即评分者的评分之间存在一致性。案例：【例5-3】6名教师对5篇作文进行评分，评分排名情况见数据文件“教师评定作文.sav”。试问教师对5篇作文评分是否一致？

SPSS操作过程如下：第1步：打开分析数据。打开“教师评定作文.sav”第2步：启动分析过程。点击【分析】

【非参数检验】

【旧对话框】

【K个相关样本】菜单命令，打开如图所示的对话框。

第3步：设置分析变量。在左边变量列表中将“作文1”、“作文2”、“作文3”、“作文4”、“作文5”选入右边的“检验变量”框中。在“检验类型”框中有三种检验：“傅莱德曼”检验；“肯德尔W”，即肯德尔和谐系数；“柯克兰Q”检验。本例选用“肯德尔W”。点击主对话框的右侧【统计】按钮，弹出“多个相关样本：统计”对话框。有两个复选框：“描述性”、“四分位”。本例把这两个复选框都选中。

第4步：在主对话框中点击【确定】按钮，提交执行。SPSS在输出窗口输出结果。第5步：结果分析。第一个表：描述统计[分析]：主要列出各个被评价对象的平均数、标准差、样本数、及四分位数。第二个表：被评对象的秩平均值，即每个评定对象获得的等级平均值第三个表：肯德尔和谐系数[分析]：肯德尔W系数为0.928，对应的卡方值为22.267，对应的显著性水平p小于0.05，拒绝原假设。结论：W系数不为0，评分者之间的评分存在一致性。

一个特别的地方理论上说，显著性水平p的值不能是0的。SPSS软件显示出来的0.000，其实是一个很小很小的正数，在四舍五入后保留三位小数才变成0.000。有些学术杂志规定不能写p=0.000。所以，本书遇到这种情况，就一律只写“p小于0.05”。【思考题】:如果调查研究、或实验研究中给出的是原始评分数据，没有给出分数的排名，是否需要先转化为排名，然后再按照排名求肯德尔和谐系数？

方式一：根据原始数据直接计算得出肯德尔和谐系数；方式二：根据原始数据先转化为排名秩次（注意排名是按照每个专家来一一排名，而不是直接按照变量来排名），然后根据秩次来计算肯德尔和谐系数。最后发现这两种方式的计算结果是一样的。第五章相关分析第五章相关分析5.1皮尔逊积差相关分析及效应量计算5.2斯皮尔曼等级相关分析5.3肯德尔和谐系数的相关分析5.4相关分析的报告参考样例

5.4相关分析的报告参考样例一、两个变量进行相关分析的报告参考样例本书【例5-1】的统计分析结果，写在论文中的报告可参考如下：外语成绩、智力分数的积差相关系数为0.529，对应的p值为0.003，小于0.05。外语成绩、智力分数两变量之间存在显著正相关。积差相关的效应量就是积差相关系数0.529，为大效应量，统计检验力为0.815。二、多个变量进行相关分析的报告参考样例以数据“大学毕业生的工作价值观调查.sav”为例，求“合作性、分配、职位出发点、工作投入、发展机会、社会地位、权力距离、职位升迁、领导风格”这九个变量之间的相关系数，经SPSS统计分析后的相关系数结果，写在论文中的报告可参考如下：经过对大学生工作价值观的抽样统计后，工作价值观的九个变量之间的相关系数如下：计算

，并查表，可得对应的统计检验力，结果如上表所示（也可使用文字进行简要表达）。【练习题】1.某大学英语系学生中随机抽取48人，对语文（Chinese）和英语（English）的考试成绩进行调查，数据存放于文件“大学英语成绩.sav”。试分析英语成绩和语文成绩的关系。【练习题】2．某商学院对近五年毕业的管理专业学生进行调查，得到了工作第一年年薪(salary)和在校的综合成绩的数据，见“毕业生数据.sav”。试分析两者有无相关关系。3．根据文件“国际教育与生产力排名.sav”，试分析10个国家与地区的教育科研水平（Education）和国际生产竞争力