全流程总结相关分析


上周SPSSAU做了一个小调查,结果让我们十分意外。得到最多的反馈是大家对于常见分析方法,不知道如何选择,如何分析。

虽说越实用的方法,往往也越简单。但刚开始接触数据分析时,确实就是会因为一些奇奇怪怪的术语看不懂,让大家产生很难懂学不会的挫败感。



为了帮大家快速度过新手期, 我们整理了一份常见分析方法的流程总结。

其中包括每种分析方法的分析流程,以及每个环节中可能出现的问题及应对方法。不会分析的同学可以按照图中的流程一步步操作,就能得到准确可靠的结果。

本文将介绍的是相关分析的分析流程,即SPSSAU通用方法中的“相关”。

相关分析流程总结


为了便于理解,我们先简单介绍下相关分析,然后按照分析流程顺序,对每一步可能会涉及的问题进行简要说明。


相关分析

我们使用相关分析,通常是研究两个变量的相关性情况。比如学习成绩和听课质量的关系;员工敬业度与薪资的关系等等。


1.数据类型

相关分析的适用范围很广,理论上讲,凡是考察两个变量相关性,都可以叫做相关分析。

但依据习惯,我们通常说的相关分析,多指的是两个定量数据之间的简单相关分析,这就要求两个变量都是定量数据,即选项数字大小要可比较,且有实际意义。


如果两个数据均为定类数据,则不可以直接用相关分析,而应该使用卡方分析测量相关性(准确说应该是差异分析)。

如果一个是定类数据,一个是定量数据,则应该使用方差分析。


这种误用常见于分析背景信息题与核心研究题项的相关情况。


2.正态性

相关分析要求数据服从正态分布,因此分析前需要检验数据的正态性。

正态性有多种检验方法,常见方法如:正态图、正态性检验、P-P图/Q-Q图等。

正态性的判断标准可以查看之前的文章:


由于相关分析对正态性要求比较宽松,即使违反计算结果也比较稳健,只要数据基本满足正态即可。如果数据完全不正态,则可以用Spearman相关系数。



3.查看线性趋势

当两个定量数据在散点图上的散点呈现直线趋势时,就可以认为两者存在直线相关趋势,这也是相关分析的一个基本前提。


SPSSAU-散点图


散点图


例如上图,当X增大时,可以比较明显地看出Y会随着增大,说明X和Y之间有着正向相关关系。如果是负相关,散点图会呈现随着一个变量值的增加,另一个变量值降低的趋势。


非线性关系

如果数据呈现非线性的趋势,可以选择对变量进行数据转换(如对数转换),或是使用Spearman相关系数进行分析。


4. 检验异常值

相关分析对极端值较为敏感,异常值会影响分析结果。需要在分析前查看是否存在异常值,保证结果的可靠性,此步可以和上一步一起通过散点图查看。


存在异常值

如果存在极端值,需要在分析前进行剔除。使用方法:SPSSAU数据处理->异常值。


这是上一步中得到的散点图,有一个明显的离群值,研究者需要根据情况选择保留或删除。建议按照SPSSAU异常值帮助手册的说明,对异常值进行处理。


5.相关系数类型

当完成以上步骤且满足相关分析的分析条件后,即可进行相关分析。点击‘通用方法’-‘相关’。



这时又出现一个问题。SPSSAU提供了三种相关系数,分别是Pearson、Spearman,Kendall相关系数,该选哪一种呢?


多数情况下,SPSSAU建议使用pearson相关系数。如果数据不满足正态性或不满足线性关系,可以考虑使用Spearman相关系数。

Kendall相关系数用于判断两个变量的等级相关性,是否具有一致性,比如评委打分,数据排名等。

关于三种相关系数的比较具体可以查看相关分析帮助手册。


6. SPSSAU操作

终于到了分析这一步了。相对于其他分析软件,SPSSAU的操作相对简单,将变量从左侧拖拽到分析项处,点击‘开始相关分析’即可。


 

分析项X可选

需要特别强调的一点是,相关分析通常不会特别区分哪个变量是X,哪个变量是Y。因此分析时,常常是直接把分析项都放入“分析项Y(定量)”里即可。

 


如果有明确的X、Y可以分开放置,两种放置方法只在表格的展示格式上有区别,结果是一样的。


指标解读


分析步骤可参考SPSSAU输出结果中的“分析建议”及“智能分析”。



需要注意的是相关系数代表变量之间的相关程度,相关系数越大,说明相关程度越紧密。

P值用于判断相关系数是否有统计学意义,P<0.05即说明变量间有相关关系,P值并不代表相关关系的强弱。

平均成绩、能力评分两个分析项交叉处的数字代表相关系数,而星号代表P值。一个星号代表P<0.05,两个星号代表P<0.01。如果没有星号,则说明P值>0.05。


7.后续分析

相关分析的结果并不能代替回归分析,而相关分析通常是作为回归分析的基础,保证在有相关性的前提下,才可能有回归影响关系。

因此后续可以通过回归分析,进一步得到影响关系和具体的函数表达式。



总结

以上就是相关分析的分析流程梳理。理论上都应该按照上述步骤进行分析,但在实际过程中,即使忽略其中的步骤,也能得到稳定的结果。

因此即使不按照步骤分析,也没有问题,而对于没有分析经验的研究者,SPSSAU建议按提供的步骤进行分析,才是最保险的做法。

更多内容登录SPSSAU官网查看。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,591评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,448评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,823评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,204评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,228评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,190评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,078评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,923评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,334评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,550评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,727评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,428评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,022评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,672评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,826评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,734评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,619评论 2 354

推荐阅读更多精彩内容

  • 《R语言实战》笔记系列 本章学习大纲 1.描述性统计分析 2.频数表和列联表 3.相关系数和协方差 4.t检验 5...
    一日如十年阅读 1,275评论 0 1
  • 基本概念 现实中,事物之间的联系是错综复杂的,而事物之间的关系可以看作两类:一类是函数关系,一类是相关关系。函数关...
    辛辛辛烷阅读 5,787评论 0 15
  • 在很多研究中,研究者都把数据的相关性放在一个非常重要的位置上。甚至专门写上一整篇的文章阐述其研究变量之间的相关关系...
    spssau阅读 858评论 0 0
  • 从Rotterdam火车站上车,一闭眼再一睁眼的功夫就到Amsterdam中央火车站了。确定从这里步行四十分钟即可...
    开kai116阅读 697评论 1 6
  • 最近进简书没有刚开始那会儿那么频繁了,主要是因为有那么一丢丢的烦躁ヽ(‘⌒´メ)ノ 诚然,这是一个开放的平台 所以...
    Minta翁阅读 206评论 0 0