第七章相关分析 第一节 Bivariate correlations过程 7.1.1主要功能 712实例操作 第二节 Partial correlations过程 7.21主要功能 722实例操作 第三节 Distances correlations过程 7.3.1主要功能 732实例操作 任何事物的存在都不是孤立的,而是相互联系、相互制约的。在医学领域中,身高与体 重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程度并 用适当的统计指标表示出来,这个过程就是相关分析。 值得注意,事物之间有相关,不一定是因果关系,也可能仅是伴随关系。但如果事物之 间有因果关系,则两者必然相关 SPSS的相关分析是借助于 Statistics菜单的 Correlate选项完成的。 第一节 Bivariate过程 7.1.1主要功能 调用此过程可对变量进行相关关系的分析,计算有关的统计指标,以判断变量之间相互 关系的密切程度。调用该过程命令时允许同时输入两变量或两个以上变量,但系统输出的是 变量间两两相关的相关系数。 返回目录返回主页
第七章 相关分析 第一节 Bivariate Correlations 过程 7.1.1 主要功能 7.1.2 实例操作 第二节 Partial Correlations 过程 7.2.1 主要功能 7.2.2 实例操作 第三节 Distances Correlations 过程 7.3.1 主要功能 7.3.2 实例操作 任何事物的存在都不是孤立的，而是相互联系、相互制约的。在医学领域中，身高与体 重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程度并 用适当的统计指标表示出来，这个过程就是相关分析。 值得注意，事物之间有相关，不一定是因果关系，也可能仅是伴随关系。但如果事物之 间有因果关系，则两者必然相关。 SPSS 的相关分析是借助于 Statistics 菜单的 Correlate 选项完成的。 第一节 Bivariate 过程 7.1.1 主要功能 调用此过程可对变量进行相关关系的分析，计算有关的统计指标，以判断变量之间相互 关系的密切程度。调用该过程命令时允许同时输入两变量或两个以上变量，但系统输出的是 变量间两两相关的相关系数
7.1.2实例操作 例7-1某地区10名健康儿童头发和全血中的硒含量(100pm)如下,试作发硒与血 硒的相关分析。 编号 硒 血硒 3 678 73 10 73 10 7.1.2.1数据准备 激活数据管理窗口,定义变量名:发硒为ⅹ,血硒为Y,按顺序输入相应数值,建立数 据库(图7.1)。 图7.1原始数据的输入 7.1.2.2统计分析
7.1.2 实例操作 [例 7-1]某地区 10 名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血 硒的相关分析。 编号 发硒 血硒 1 2 3 4 5 6 7 8 9 10 74 66 88 69 91 73 66 96 58 73 13 10 13 11 16 9 7 14 5 10 7.1.2.1 数据准备 激活数据管理窗口，定义变量名：发硒为 X，血硒为 Y，按顺序输入相应数值，建立数 据库（图 7.1）。 图 7.1 原始数据的输入 7.1.2.2 统计分析
激活 Statistics菜单选 Correlate中的 Bivariate命令项,弹出 Bivariate Correlation对话框 (图7.2)。在对话框左侧的变量列表中选x、y,点击>钮使之进入 Variables框;再在 Correlation Coefficients框中选择相关系数的类型,共有三种: Pearson为通常所指的相关系 数(r), Kendell'tau-b为非参数资料?bdba南喙叵凳琤 pearman为非正态分布资料的 Pearson相关系数替代值,本例选用 Pearson项;在 Test of Significance框中可选相关系数的 单侧(One- tailed)或双侧(iwo- tailed)检验,本例选双侧检验。 图7.2相关分析对话框 点击 Options.钮弹出 Bivariate Correlation: Options对话框(图73),可选有关统计项目。 本例要求输出X、Y的均数与标准差以及XY交叉乘积的标准差与协方差,故选 Means and standard deviations和 Cross-product deviations and covariances项,而后点击 Continue钮返回 Bivariate Correlation对话框,再点击OK钮即可 图7.3相关分析统计对话框 7.1.2.3结果解释: 在结果输出窗口中将看到如下统计数据:变量X、Y的例数、均数与标准差,变量X Y交叉乘积的例数、标准差与协方差;xY两两对应的相关系数及其双侧检验的概率,本例 r=0.8715,P=0.001
激活 Statistics 菜单选 Correlate 中的 Bivariate...命令项，弹出 Bivariate Correlation 对话框 （图 7.2）。在对话框左侧的变量列表中选 x、y，点击 ➢ 钮使之进入 Variables 框；再在 Correlation Coefficients 框中选择相关系数的类型，共有三种：Pearson 为通常所指的相关系 数（r），Kendell’s tau-b 为非参数资料?bdba 南喙叵凳 琒 pearman 为非正态分布资料的 Pearson 相关系数替代值，本例选用 Pearson 项；在 Test of Significance 框中可选相关系数的 单侧（One-tailed）或双侧（Two-tailed）检验，本例选双侧检验。 图 7.2 相关分析对话框 点击 Options...钮弹出 Bivariate Correlation:Options 对话框（图 7.3），可选有关统计项目。 本例要求输出 X、Y 的均数与标准差以及 XY 交叉乘积的标准差与协方差，故选 Means and standard deviations 和 Cross-product deviations and covariances 项，而后点击 Continue 钮返回 Bivariate Correlation 对话框，再点击 OK 钮即可。 图 7.3 相关分析统计对话框 7.1.2.3 结果解释： 在结果输出窗口中将看到如下统计数据：变量 X、Y 的例数、均数与标准差，变量 X、 Y 交叉乘积的例数、标准差与协方差；XY 两两对应的相关系数及其双侧检验的概率，本例 r = 0.8715，P = 0.001
Variable Cases Mean Std dev 10 75.4000 12.2945 10.8000 3.3267 Variables Cases Cross-Prod dev Variance-Covar 320.8000 35.6444 Y 10000 (10)(10) 87151.0000 (10)(10) P=001 Coefficient/( Cases)/2-tailed Significance) is printed if a coefficient cannot be computed 返回目录返回主页 第二节 Partia过程 7.2.1主要功能 调用此过程可对变量进行偏相关分析。在偏相关分析中,系统可按用户的要求对两相关 变量之外的某一或某些影响相关的其他变量进行控制,输出控制其他变量影响后的相关系 返回目录返回主页 7.2.2实例操作 [例7-2某地29名13岁男童身高(cm)、体重(kg)和肺活量(ml)的数据如下表,试 对该资料作控制体重影响作用的身高与肺活量相关分析。 编号「身高(cm)「体重「肺活量「编号「身高(cm)「体重「肺活量
Variable Cases Mean Std Dev X 10 75.4000 12.2945 Y 10 10.8000 3.3267 Variables Cases Cross-Prod Dev Variance-Covar X Y 10 320.8000 35.6444 X Y X 1.0000 .8715 ( 10) ( 10) P= . P= .001 Y .8715 1.0000 ( 10) ( 10) P= .001 P= . (Coefficient / (Cases) / 2-tailed Significance) " . " is printed if a coefficient cannot be computed 第二节 Partial 过程 7.2.1 主要功能 调用此过程可对变量进行偏相关分析。在偏相关分析中，系统可按用户的要求对两相关 变量之外的某一或某些影响相关的其他变量进行控制，输出控制其他变量影响后的相关系 数。 7.2.2 实例操作 [例 7-2]某地 29 名 13 岁男童身高（cm）、体重（kg）和肺活量（ml）的数据如下表, 试 对该资料作控制体重影响作用的身高与肺活量相关分析。 编号 身高（cm） 体重 肺活量 编号 身高（cm） 体重 肺活量
(kg) (m) (kg) (ml) 135.1 32.0 1750 153.0 472 1750 2 139.9 30.4 2000 6789 147.6 40.5 2000 163.6 46.2 2750 157.5 43.3 2250 146.5 33.5 2500 155.1 44.7 2750 2750 160.5 37.5 2000 156.4 2000 143.0 31.5 678901 7.8 41.5 1494 1497 31.0 23 160.8 40.4 2750 145.0 33.0 2500 24 1590 38.5 2500 1485 37.2 158.2 37.5 165.5 150.0 36.0 135.0 27.6 34.7 2250 153.3 41.0 2750 154.6 152.0 0 1750 156.5 32.0 1750 160.5 472 7.2.2.1数据准备 激活数据管理窗口,定义变量名:身高为 height,体重为 weight,肺活量为ve,按顺序 输入相应数值,建立数据库 7.2.2.2统计分析 激活 Statistics菜单选 Correlate中的 Partial.命令项,弹出 Partial Correlations对话框(图 7.4)。现欲在控制体重的影响下对变量身高与肺活量进行偏相关分析,故在对话框左侧的变 量列表中选变量 height、ve,点击>钮使之进入 Variables框,选要控制的变量wigh,点 击≯钮使之进入 Controlling for框中,在 Test of significance框中选双侧检验,然后点击OK 钮即可。 图7.4偏相关分析对话框
(kg) (ml) (kg) (ml) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 135.1 139.9 163.6 146.5 156.2 156.4 167.8 149.7 145.0 148.5 165.5 135.0 153.3 152.0 160.5 32.0 30.4 46.2 33.5 37.1 35.5 41.5 31.0 33.0 37.2 49.5 27.6 41.0 32.0 47.2 1750 2000 2750 2500 2750 2000 2750 1500 2500 2250 3000 1250 2750 1750 2250 16 17 18 19 20 21 22 23 24 25 26 27 28 29 153.0 147.6 157.5 155.1 160.5 143.0 149.4 160.8 159.0 158.2 150.0 144.5 154.6 156.5 47.2 40.5 43.3 44.7 37.5 31.5 33.9 40.4 38.5 37.5 36.0 34.7 39.5 32.0 1750 2000 2250 2750 2000 1750 2250 2750 2500 2000 1750 2250 2500 1750 7.2.2.1 数据准备 激活数据管理窗口，定义变量名：身高为 height，体重为 weight，肺活量为 vc，按顺序 输入相应数值，建立数据库。 7.2.2.2 统计分析 激活 Statistics 菜单选 Correlate 中的 Partial...命令项，弹出 Partial Correlations 对话框（图 7.4）。现欲在控制体重的影响下对变量身高与肺活量进行偏相关分析，故在对话框左侧的变 量列表中选变量 height、vc，点击 ➢ 钮使之进入 Variables 框，选要控制的变量 weight，点 击 ➢ 钮使之进入 Controlling for 框中, 在 Test of Significance 框中选双侧检验，然后点击 OK 钮即可。 图 7.4 偏相关分析对话框