【正文】 earson相關(guān)系數(shù)及相伴概率 p值。從表中可看出，相關(guān)系數(shù)為0，說(shuō)明呈正相關(guān)，而相伴概率值Sig.=，因此應(yīng)拒絕零假設(shè)（ H0:兩變量之間不具相關(guān)性），即說(shuō)明兒子身高是受父親身高顯著性正影響的。 父親身高 兒子身高 父親身高 Pearson 相關(guān)性 1 .703* 顯著性 （ 雙側(cè) ） .011 平方與叉積的和 協(xié)方差 N 12 12 兒子身高 Pearson 相關(guān)性 .703* 1 顯著性 （ 雙側(cè) ） .011 平方與叉積的和 協(xié)方差 N 12 12 *. 在 水平 （ 雙側(cè) ） 上顯著相關(guān) 。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 52 主要內(nèi)容 ? 相關(guān)分析簡(jiǎn)介 ? 兩變量相關(guān)分析 ? 偏相關(guān)分析 ? 距離分析 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 53 ?(1) 基本概念 ? 偏相關(guān)分析的任務(wù)就是在研究?jī)蓚€(gè)變量之間的線性相關(guān)關(guān)系時(shí)控制可能對(duì)其產(chǎn)生影響的變量，這種相關(guān)系數(shù)稱(chēng)為偏相關(guān)系數(shù)。偏相關(guān)系數(shù)的數(shù)值和簡(jiǎn)單相關(guān)系數(shù)的數(shù)值常常是不同的，在計(jì)算簡(jiǎn)單相關(guān)系數(shù)時(shí)，所有其他自變量不予考慮。 ?(2) 統(tǒng)計(jì)原理 ? 控制一個(gè)變量和控制兩個(gè)變量的偏相關(guān)系數(shù)分別為： 偏相關(guān)分析 , 22( 1 ) ( 1 )x y x z y zx y zx z y zr r rrrr????1 2 2 1121 2 2 1, 1 , , 22,( 1 ) ( 1 )x y z x z z y z zx y z zx z z y z zr r rrrr????SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 54 ?檢驗(yàn)的統(tǒng)計(jì)量為： (3)統(tǒng)計(jì)分析步驟 ?第 1步 根據(jù)公式計(jì)算偏相關(guān)系數(shù)； ?第 2步 對(duì)樣本來(lái)自的兩總體是否存在顯著性相關(guān)進(jìn)行推斷。 ?提出零假設(shè) H0：即兩總體的偏相關(guān)系數(shù)與零無(wú)顯著性差異； ?選擇檢驗(yàn)統(tǒng)計(jì)量：偏相關(guān)分析選擇的是 t統(tǒng)計(jì)量； ?計(jì)算 t值及對(duì)應(yīng)的概率 p值； ?決策：如果相伴概率 p值小于給定的顯著性水平，則應(yīng)拒絕零假設(shè)，認(rèn)為兩總體的偏相關(guān)系數(shù)與零有顯著性差異；否則，接受原假設(shè)。 偏相關(guān)分析 22..1n k rtrr????SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 55 ?(4) SPSS實(shí)現(xiàn)舉例 ?【 例 73】 下表是四川綿陽(yáng)地區(qū) 3年生中山柏的數(shù)據(jù)，分析月生長(zhǎng)量與月平均氣溫、月降雨量、月平均日照時(shí)數(shù)、月平均濕度 4個(gè)氣候因素中哪些因素有關(guān)。 ? 偏相關(guān)分析 月份 月生長(zhǎng)量 月平均氣溫 月降 雨量 月平均日照時(shí)數(shù) 月平均濕度 月份 月生長(zhǎng)量 月平均氣溫 月降 雨量 月平均日照時(shí)數(shù) 月平均濕度 1 17 81 7 18 83 2 79 8 86 3 10 75 9 22 83 4 137 75 10 18 84 82 5 13 77 11 8 81 6 79 12 1 82 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 56 56 偏相關(guān)分析 ?第 1步 分析：這 4個(gè)氣候因素彼此均有影響，分析時(shí)應(yīng)對(duì)生長(zhǎng)量與 4個(gè)氣候因素分別求偏相關(guān)，如在求生長(zhǎng)量與氣候因素的相關(guān)時(shí)控制其他因素的影響。所以需進(jìn)行偏相關(guān)分析； ?第 2步 數(shù)據(jù)組織：如上表定義 4個(gè)變量，輸入數(shù)據(jù)即可； ?第 3步 進(jìn)行偏相關(guān)分析： 選擇菜單“分析 → 相關(guān) → 雙變量”，指定分析變量和控制變量，分析變量“ hgrow”和“ temp”的偏相關(guān)系數(shù)，并將“ rain”、“ hsun”、“ humi”設(shè)為控制變量。如下圖所示設(shè)置。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 57 ?第 4步 主要結(jié)果及分析。 偏相關(guān)分析 從中可以看出，月降雨量、月平均日照時(shí)數(shù)和月平均濕度為控制變量，生長(zhǎng)量與月平均氣溫關(guān)系密切，偏相關(guān)系數(shù)為 ，雙尾檢測(cè)的相伴概率為 （表示趨近于 0的正數(shù)），明顯小于顯著性水平 。故應(yīng)拒絕原假設(shè)，說(shuō)明中山柏的生長(zhǎng)量與氣溫間存在顯著的相關(guān)性。 控制變量 生長(zhǎng)量 月平均氣 溫 月降雨量 amp。 月平均日照時(shí)數(shù) amp。 月平均濕度 生長(zhǎng)量 相關(guān)性 .977 顯著性 （ 雙側(cè) ） . .000 df 0 7 月平均氣溫 相關(guān)性 .977 顯著性 （ 雙側(cè) ） .000 . df 7 0 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 58 主要內(nèi)容 ? 相關(guān)分析簡(jiǎn)介 ? 兩變量相關(guān)分析 ? 偏相關(guān)分析 ? 距離分析 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 59 ?(1) 基本概念 ? 距離分析是對(duì)觀測(cè)量之間相似或不相似程度的一種測(cè)度，是計(jì)算一對(duì)觀測(cè)量之間的廣義距離。這些相似性或距離測(cè)度可以用于其他分析過(guò)程，例如因子分析、聚類(lèi)分析或多維定標(biāo)分析，有助于分析復(fù)雜的數(shù)據(jù)集。 ?(2) 統(tǒng)計(jì)原理 ?不相似性測(cè)度 ? 對(duì)定距數(shù)據(jù)的不相似性（距離）測(cè)度可以使用的統(tǒng)計(jì)量有：歐幾里得距離、平方歐氏距離、切比雪夫距離、 Block距離、明可斯基距離等。 ? 對(duì)定序數(shù)據(jù)，主要使用卡方不相似測(cè)度和斐方測(cè)度。 ? 對(duì)二值（只有兩種取值）數(shù)據(jù)變量之間的距離描述，使用歐氏距離、平方歐氏距離、尺寸差異、模式差異、方差、形或蘭斯和威廉斯等距離統(tǒng)計(jì)量。 距離分析 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 60 ?相似性測(cè)度 ? 對(duì)于定距數(shù)據(jù)主要使用皮爾遜相關(guān)系數(shù)和夾角余弦距離 。 ? 對(duì)于二值數(shù)據(jù)的相似性測(cè)度主要包括簡(jiǎn)單匹配系數(shù)、Jaccard相似性指數(shù)、 Hamann相似性測(cè)度等 20余種。 距離分析 其中的距離又分為個(gè)案（觀測(cè)記錄）之間的距離和變量之間的距離兩種。 (3) 分析步驟 距離分析中不存在假設(shè)檢驗(yàn)問(wèn)題，主要是通過(guò) SPSS自動(dòng)計(jì)算變量或個(gè)案之間的相似性或不相似性距離，根據(jù)其計(jì)算距離值的大小來(lái)確定變量或個(gè)案之間的相似性或不相似性的強(qiáng)弱。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 61 ?(4) SPSS實(shí)現(xiàn)舉例 ?【 例 74】 已知我國(guó)四城市 2022年各月的日照時(shí)數(shù)如下表所示，請(qǐng)分析各城市日照數(shù)是否近似。 距離分析 月份 北京 天津 石家莊 大連 月份 北京 天津 石家莊 大連 1 7 2 8 174 3 9 4 10 5 221 11 6 202 190 12 144 167 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 62 ?第 1步 分析 ：這是考查 4個(gè)城市的日照時(shí)數(shù)是否相似的問(wèn)題，可用距離分析實(shí)現(xiàn)。既可以計(jì)算其相似性測(cè)度，亦可計(jì)算其不相似性測(cè)度； ?第 2步 數(shù)據(jù)組織：分別定義的變量： month”( 月份 )（用字符型變量）、“ Beijing”( 北京 )、“ Tianjin”( 天津 )、“ ShiJZ”（石家莊）、“ Dalian” （大連）。 距離分析 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 63 距離分析 ?第 3步 進(jìn)行距離分析： 選擇菜單“分析 → 相關(guān) → 距離”，彈出 下 圖所示的“距離”對(duì)話框，將 4個(gè)變量（“北京”、“天津”、“石家莊”、“大連”）移入“變量”框中進(jìn)行相似性度量計(jì)算；在“計(jì)算距離”組中選中“個(gè)案間”單選框，進(jìn)行變量間的距離分析；在“度量標(biāo)準(zhǔn)”單選框組中選中不相似性，求解其不相似性度量。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 64 ?第 4步 主要結(jié)果及分析。 距離分析 表格的第一行（ Euclidean 距離）說(shuō)明采用的是歐氏距離。這是一個(gè)對(duì)稱(chēng)矩陣，當(dāng)兩變量的歐氏距離越大，說(shuō)明其差別越大，反之越小。 從表中可看出“北京”和“大連”的日照數(shù)最接近，而“北京”和“天津”的日照數(shù)相差最大。 Euclidean 距離 北京 天津 石家莊 大連 北京 .000 天津 .000 石家莊 .000 大連 .000 這是一個(gè)不相似性矩陣 。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 65 ?The End