用spss做相关性分析,有六个维度,每个维度下面平均四个问题,
用spss做相关性分析,有六个维度,每个维度下面平均四个问题,这是其中的一部分,A1-A7是第一个维度的7个问题,但是要做六个维度分别与品牌形象的相关性,难道要做每个维度里面每个问题对品牌形象的相关性么?
不用先做效度,然后做个维度的相关就行了直接相加算总分是最简单的 再问： 我就是想做维度相关性呢，比如说我做第一个维度跟第二个维度的相关性吧，第一个维度里面有7个问题，第二个维度里面有4个问题，难道要做这7个问题分别对那4个问题的相关性？然后在加起来？ 再答： 把7个问题加起来，4个问题加起来，不就只有2个综合了吗，然后做总分的相关性再问： 也就是说把7个问题的数值加起来就等同于第一个维度，那4个问题加起来等同于第二个维度？ 再答： 是的，也可以求平均分再问： 十分感谢
其他补充解答：
补充回答1： 把7个问题加起来，4个问题加起来（怎么加起来，不太懂）
我有更好的回答：
剩余:2000字
与《用spss做相关性分析,有六个维度,每个维度下面平均四个问题,》相关的作业问题
用相关性检验就行,a中10中元素作为一组,b中10种元素作为一组,然后a与b做相关检验,相关检验如何做,你可以搜一下,很多检验方式,这里也不好回答,找有图文的,如有不明,可继续提问
在Analyze 下拉菜单的Correlate 命令项具有三个相关分析功能子命令它们分别是Bivariate Partial 和Distance 对应于相关分析偏相关分析和距离分析1 Bivariate 计算指定的两个变量间的相关系数可以选择Pearson 相关(积差相关)Spearman 等级相关和Kendall 相
了不同的类别?如果因素特别多,比较起来会麻烦一些,而且可能不同因素间本身就存在相关性；你如果在设计问卷的时候已经有明确的分类,你可以每个类别计算一个总分（加权或简单平均）,以每个类别的总分为自变量,导师制效果为因变量,建议做回归分析,比较回归系数的显著性和大小；如果你之前没有进行分类,影响因素比较多,你可以考虑先对所有
我不清楚你有多少个影响因素,这些影响因素是否分为了不同的类别?如果因素特别多,比较起来会麻烦一些,而且可能不同因素间本身就存在相关性；你如果在设计问卷的时候已经有明确的分类,你可以每个类别计算一个总分（加权或简单平均）,以每个类别的总分为自变量,导师制效果为因变量,建议做回归分析,比较回归系数的显著性和大小；如果你之前
你第一图的数据样本是40第二图是25第三个图是21结果肯定不一样显著性水平,又称检验水准 是人为确定的 一般为0.05 再问： 表格下面的那行小字写的0.01不用管吗？ 再答： 看相关系数，第一个图是0.439，上面标注了两个星号，说明0.439所对应的P值（0.005）
没用过,网上有相关的教程
两者没有相关性p>0.05 再问： 请问p是什么值，0.548吗，那0.277和7是什么意思 再答： 7是例数。相关系数r=0.277，P=0.548>0.05，表明相关性不显著。
相关分析的结果只是提示作用,0.1-0.2的话意义不是很大了.正态性的话还是要看的,可以不考虑你考虑的话也不会错,对吧
线性回归哪个是因变量,哪个是自变量呢 再问： 60岁及以上人口是因变量 其余是自变量？ 再答： 相关 一张张图传麻烦，给个QQ我发你再问： .
如果是两个组之间做相关分析,即两个变量之间的相关分析.不论一共有多少个组,都使用双变量相关分析,具体操作如下.分析-相关-双变量-将要比较的所有组都移入右边的“变量”框选项根据自己的需要进行勾选相关系数：Pearson,或者后两种,各有各的特点,此处建议就用默认勾选‘显著性检验：双侧检验运行 出结果
说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关性越是高,做主成分分析就越是成功.主成分分析是通过降低空间维度来体现所有变量的特征使得样本点分散程度极大,说得直观一点就是寻找多个变量的一个加权平均来反映所有变量的一个整体性特征.评价相关性的方法就是相关系数,由于是多变量的判定,则引出相关系数矩阵.评价主
_问题描述：在SPSS中做主成成分分析的时候有一步是指标之间的相关性判定,我想知道具体是怎么进行判定的,他的算法、原理是什么?答案1：： 说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关性越是高,做主成分分析就越是成功.主成分分析是通过降低空间维度来体现所有变量的特征使得样本点分散程度极大,说得直观一点
单组卡方分析,非参数里 再问： 是在非参数检验里面选择哪个？第一是卡方，第二是二项式，第三是游程，第四是1-样本K-S，第五是2个独立样本，第六是K个独立样本，第七是2个相关样本，第八是K个相关样本，选哪个呀 再答： 第一个
相关系数0.624大约属于中等量级的相关,在样本量足够大的情况下一般都会有显著性,你的情况应该是样本量偏小造成的.此外,pearson相关系数的正确性需要得到散点图的证实,你应该检查一下散点图,看看数据是否具有线性趋势,特别是有没有离群值或极端值扭曲你的相关系数,散点图这个步骤很容易被忽略,但对相关分析而言十分关键!
做相关分析时,SPSS可自动删除不成对的数据,拿成对的数据去做.不知道你说的自由度是什么 再问： 也就是说不同组，数据不是一一对应的哈。一些数据多，一些数据少。在各月份下，某些指标有数据，某些数据没有哈。然后，对这些指标进行相关性分析。可以进行分析是吧？？图上的这个数据输入没有问题吧？？ 再答： 直接做，SPSS肯定会
Transform –compute,生成一个新变量,将12个问题相加 再问： 谢谢，那我想知道成绩和各问题之间的问题，是用相关性研究么?用相关性研究的话，Pearson和kendall' tau-b, spearman 有什么区别 呢？ 再答： 你想知道成绩和12个题目的关系吗？ 没有单个题目这样做的，一般做焦虑得分
从结果看,净资产该指标有缺失.相关性：董事会人数与每股收益无相关 （r=0.096,p=0.277)每股收益和净资产收益之间的相关有统计学意义.r=0.422,P
是的,你的分析思路是对的指的是每个组都是正态分布方差不齐的情况下,方差分析原则上不能用,注意,是原则上我替别人做这类的数据分析蛮多的
设要做二因素的正交设计,A因素有三个水平,B因素有两个水平.则选择Data-->Orthogonal Design-->generate,弹出的就是正交设计窗口：Factor name框：输入A：单击ADD钮：单击Define value钮：分别在Value列的头三行输入1、2和3,单击continue钮,这样就定义好spss双变量相关分析结果_百度知道
spss双变量相关分析结果
我有更好的答案
没有显著相关性
两个变量相关系数为0.090，p&0.05，没有统计学意义
为您推荐：
其他类似问题
您可能关注的内容
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。关注今日：57 | 主题：204390
微信扫一扫
SPSS软件中调整混杂变量后两变量散点图（偏相关分析）的绘制
页码直达：
这个帖子发布于2年零85天前，其中的信息可能已发生改变或有所发展。
在进行连续性资料两变量数据的相关性分析，特别是在撰写一些SCI论文时，有时我们需要先对可能的混杂变量（例如：性别、年龄等）进行调整后再用散点图的形式进行展示出来，以使文章数据结果更加可靠，增加文章的可读性和可接受性。例如如下两篇文章:
。SPSS软件中可以通过偏相关分析得到调整后的偏相关系数及相应的p值，但却不能直接输出调整变量后相应的散点图。需要我们进行一系列相关的操作才能出现调整后的散点图，本贴即是对相关操作知识的介绍。
首先根据方积乾教授主编的第六版《卫生统计学》中的相关数据进行详细分析解释，其次再提供我自己分析过的一篇文章中的原始数据以及在最终文章中的表达，便于有此需要的进行演示及文中表达参考。第一部分：第六版《卫生统计学》中的数据（data_book） 数据来自书中表13-4（P237）的数据，用SPSS21.0软件进行演示操作。例题是控制x3（气温）后x1（冷饮销售量）与x2（游泳人数）两变量进行相关分析，并作出散点图。 一、输入数据（图1.）。 Fig 1.二、进行偏相关系数的计算
路径为：【分析】--【相关】--【偏相关】。将分析的相关变量选入相应的框中（图2.），要分析的两个变量放入【变量】框中，需要调整的变量放入【控制】框中，如果有多个需要调整的变量，一并放入【控制】框中。点击【确定】按钮后出现图3.结果，可以得到偏相关系数r12,3为0.215，p值为0.551。 Fig 2. Fig 3.三、散点图的绘制3.1. 首先通过回归分析分别进行扣除x3影响之后的x1和x2的残差。路径为：【分析】--【回归】--【线性】。如图4. 将x1放入【因变量】框中，将需要调整的x3放入【自变量】框中（如果有多个调整变量，一并放入【自变量】框中），点击【保存】按钮，选择“残差”下【未标准化】按钮。依次点击【继续】--【确定】按钮。返回数据界面框得到控制x3后x1的残差RES_1；同样操作可以得到RES_2（图5.）。 Fig 4. Fig 5.
3.2. 进行RES_1与RES_2的相关分析，路径为：【分析】--【相关】--【双变量】。将RES_1、RES_2两变量放入【变量】框中进行分析，点击【确定】，图6.。得到RES_1、RES_2两变量相关系数（图7.）。可以发现图7.与图2.中的两相关系数是完全一样的（p值略有不同，原因可能是因为偏相关系数的计算运用到偏回归分析，牵涉到自由度的取值问题，本题中自由度为8，而不是两相关分析中纳入的11），至此我们就可以用RES_1、RES_2两变量的散点图来表示控制x3后x1、x2的散点图了。即在做进行调整相关变量后两变量散点图时，为调正相关变量后两变量残差所对应的散点图。 Fig 6. Fig 7.
3.3. 散点图绘制路径：【图形】--【旧对话框】--【散点/点状】，选择【简单分布】按钮。如图8.将RES_1、RES_2分别选入X轴、Y轴，点击【确定】。得到RES_1、RES_2两变量的散点图，即为冷饮销售量残差与游泳人数残差之间的散点图，也即为调整x3后x1与x2之间的散点图（图9）。双击图形可以在SPSS软件中进行图形的编辑（重新定义坐标轴的变量名称、小数点位数、坐标轴的最大、小值及主增量；以及添加拟合线）（图10.）。当然SPSS中还不能直接添加相关系数，如果要添加相关系数可以通过其它的做图软件在图形上进行操作。这里得到的坐标轴是以残差为坐标刻度标准的，如果要得到以原始值为坐标刻度的散点图，只需要将RES_1、RES_2中的数据加上x1、x2的均数后再进行散点图绘制即可得到：图11，整体数据视图；图12，未做编辑前的散点图；图13，进行编辑后的散点图，也就是我们文章中最终展示的散点图。 Fig 8.
Fig 10. Fig 11.
第二部分：我自己分析过的一篇文章中的原始数据（data_paper）以及相应的文章，感兴趣的可以进行重复操作。
(1314.86k)
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
真的是太感谢了，找偏相关作图的资料找了好久都没有成功，就用简单散点图投稿了，结果审稿专家恰好提出了这个问题，避无可避。关键时候幸好能看到这个帖子。如果楼主能够将标题添加“偏相关作图”这样的文字信息，相信更容易被搜索到吧。希望能有更多人从中获益。再次感谢楼主无私分享！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
洪哥121 真的是太感谢了，找偏相关作图的资料找了好久都没有成功，就用简单散点图投稿了，结果审稿专家恰好提出了这个问题，避无可避。关键时候幸好能看到这个帖子。如果楼主能够将标题添加“偏相关作图”这样的文字信息，相信更容易被搜索到吧。希望能有更多人从中获益。再次感谢楼主无私分享！不客气，互相学习，共同进步。同时也要感谢你很好的建议，帖子标题已修改。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园|/|/|/|/|/|
//|//|//|//|//|
如何使用SPSS进行等级资料的Spearman非参数相关分析
我做的免疫组化，数据为等级资料，想分析两个指标的相关性，请问“如何使用SPSS进行等级资料的Spearman非参数相关分析”谢谢！Analyze-&Correlate-&Bivariate-&将两个指标选入右框，然后在框下面勾上Spearman－&OK但是那两个指标的结果是+、++、+++等，是否还要定义一个变量表示等级？对，输入格式如下：指标1
212 ..............频数治疗要加权，Data－》weight cases－》选入要加权的频数明白了，这种相关分析对变量的定义和“秩和检验”对变量的定义是一样的，频数都要加权！十分感谢“统计之星”对我的帮助，谢谢！younger611981你好!我想请教一个问题.我也做的免疫组化,两组等级资料,四个等级,分别是―、+、++、+++。每组42个样本.输入格式如下：指标1 指标2 频数1 1 41 2 61 3 81 4 242 ..............但我觉得疑问的是：最后的N是42还是应该是84？谢谢！期盼您的回复！我不是专业学统计学的，但我翻了一下倪宗瓒编写的《医学统计学》，其中对等级资料的Spearman非参数相关分析有如下阐述：Spearman非参数相关分析“其基本思想是将n对实测值x,y分别由小到大编秩，并以其秩次进行积矩相关分析”，据上N应是42，希望对你有所帮助！“zogzhuzhu”你是皮肤科的？我的标本是36例，但我今天用SPSS算了以后发现最后的N是72！这是怎么回事？等级资料的相关性分析可以进行Kappa检验，即一致性检验，求kappa值。如果kappa〉0.75, 两个指标的一致性非常好，即相关性高，kappa值在0.4~0.75之间，两个指标间的一致性中等，kappa&0.4, 两个指标间一致性较差。younger611981您好,我用spss12.0做出来的结果和你的一致,即N是标本数的两倍,非常疑惑!按道理和我看过的文献,N应该恰好是标本数才对.hanchunhee您好!请问在spss12.0中如何操作Kappa检验呢?首先，选择DATA菜单中的最后子菜单weight, 权重结果变量。然后选择ANALYZE菜单中的第二个子菜单中的crosstable, 将行变量和列变量分别移动到相应的框内，在最下面点击statis...打开统计方法选择对话框，选择kappa, OK，返回，然后OK. 就可以得到结果。 就这么简单。 仅供参考。hanchunhee您好:kappa检验是不是仅适合四格表的情况?kappa检验适合于多格的表格，比如一个指标有+，++，+++，++++，另一个指标也是+，++，+++，++++。考察这两个指标间的一致性，也就是相关性。你有多少个样本你输入的时候就有多少行.有多少个变量就有多少例.(编号、权重，也都各属于一个变量）.按照这个去检查你就发现你的数据不是输错了。hanchunhee wrote:等级资料的相关性分析可以进行Kappa检验，即一致性检验，求kappa值。如果kappa〉0.75, 两个指标的一致性非常好，即相关性高，kappa值在0.4~0.75之间，两个指标间的一致性中等，kappa&0.4, 两个指标间一致性较差。在哪本书上有啊
您的位置： &&spss交叉表分析怎么制作？
互联网 & 05-27 16:47:26 & 作者：佚名 &
spss交叉表分析怎么制作？我们在实际的工作中，经常用交叉表来分析比例是否相等。比如我们来分析一下，不同的性别对不同的报纸的选择有什么不同，就是要用交叉表分析了，下面是具体的方法
交叉表分析主要用来检验两个变量之间是否存在关系，或者说是否独立，其零假设为两个变量之间没有关系。我们在实际的工作中，经常用交叉表来分析比例是否相等。比如我们来分析一下，不同的性别对不同的报纸的选择有什么不同，就是要用交叉表分析了，下面是具体的方法。
软件名称：spss19.0中文破解补丁(专业数据统计软件) 最新版软件大小：2.6MB更新时间：
1、在spss中打开数据，然后依次打开：analyze--descriptive--crosstabs，打开交叉表对话框
2、将性别放到行列表，将对读物的选择变量放到列，这样就构成了一个交叉表
3、接下来我们要设置输出的结果，点击statistics，打开一个新的对话框
4、勾选chi-square（卡方检验），勾选phi and cramer's V（衡量交互分析中两个变量关系强度的指标），点击continue，回到交叉表对话框
5、点击cells，设置cell中要展示的数据​
6、​在这里勾选observed（​各单元格的观测次数），勾选row（行单元格的百分比），点击continue，回到交叉表对话框
7、​点击ok按钮，输出检验结果​
8、先看到的第一个表格就是交叉表，性别为行、选择的读物为列
9、卡方检验结果：我们主要是看pearson卡方检验，sig值小于0.05，因此我们认为不同的性别的人对周末读物的选择有显著的差别​
10、​​最后一个表格，输出的是phi值和V值，两个都是代表两个变量之间的关系的紧密度的，数值小于0.1说明关系不紧密，即性别与周末读物的选择没有明显的关系，这个结论和上面的卡方检验有出入，所以我们需要进一步进行两两比较。
大家感兴趣的内容
12345678910
最近更新的内容