spss典型相关分析_SPSS实战 | 04两个变量的相关分析
周末好呀！我是一只正在迭代的分析狮天天。
夏末秋初，真是学习的好时光，今日起床后决定加更，分享两个变量之间的相关分析，欢迎追番~
这是一个SPSS实战系列的分享，应用场景是问卷调研中的数据分析，适用于有一定统计学及软件操作基础的同学。
统计学
- 连续变量(定距)、分类变量(定序、定类)
- 相关分析、各种相关系数
SPSS操作
- 分析-描述统计-交叉表
- 分析-相关
- 图形-图形构建器，散点图、条形图
发现事物之间的关联性，是人类解释自我和世界的重要方式，最近不顺跟什么相关？水逆？姨妈期？还是……？
在市场研究中，相关分析几乎是每个项目都会用到的分析方法，一般会通过统计图表来展示两个变量之间的相关性，比如自变量不同城市、不同人群与因变量行为、态度。
为了说明变量之间相关性的强弱，会用到统计学上的相关分析。
1
请收藏：常用场景的相关系数对照表
变量的测量层次有定类、定序、定距3种，常见两个变量的相关分析组合有以下6种，对应不同的相关系数算法。
根据我总结的数据分析黄金三步法，在相关分析中，最重要的就是：
第一步，区分每个场景下，应该选择哪个相关系数。
作为贴心学姐，我总结了下面的SPSS应用对照表，对于大部分做商业分析、社会科学研究的小伙伴来说，可以放心食用，并建议收藏。
SPSS相关系数对照表
结合SPSS交叉表-统计的分类(这里缺斯皮尔曼相关，在相关分析的菜单里有)，可以看出，当两组中有一个变量的测量层次偏低时，相关系数的选择都是降级处理。比如定序-定距，就当成两个定序变量处理。
本文末尾有参考书，能力者可以自行研究每种方法的原理及优劣性。
2
相关系数的大小怎么判断?
做相关分析，对数据的解读也特别重要。
当变量的测量层次在定序以上时，有方向性，比如越来越高，越来越满意等，相关系数的取值在-1至1之间，大于零为正相关，小于零为负相关。
定类变量没有方向，所以取值在0-1之间。
不同背景的分析师，给出的相关系数区间也不同。
从绝对值看，一般情况下，0.2、0.4、0.7是几个关键节点(阈值)，或者是0.3、0.5、0.8几个节点，可以解读为：
- <0.2，几乎不相关
- 0.2-0.4，低度相关
- 0.4-0.7，中度相关
- >0.7，高度相关
特殊情况是Eta，取值0-1，用来解释方差，E2可以解读为自变量能够解释因变量**%的变异。
下面，通过两个常用的场景展示一下相关分析的套路，大家可以举一反三啊。
3
连续变量：用相关-双变量做分析
适用条件
1. 连续变量的相关分析基于线性相关，这点很重要！所以一定要提前画散点图，确认是线性相关；
2. 极端值影响很大，要提前处理；
3. 正态性不是非常严格，差不多就行了。
【案例】用一个教程中的案例，消费年龄和信心指数的相关
图形-图表构建器-散点图，选带拟合线的散点图，从输出的报告看，符合线性关系。
操作及解读
分析-相关-双变量
服从正态，就选皮尔逊相关系数，不服从或有定序，就选斯皮尔曼。
输出报告：两个变量的相关系数是-0.219，年龄和信心指数微弱相关。
两个**表示，由样本推及总体，在0.01的水平下，相关性显著。1个*表示是0.05水平。
如果是斯皮尔曼相关系数，数据呈现和解读方式类似。
4
分类变量，用交叉表做分析
在市场研究中，因为很多自变量是定类或定序的，比如性别、年龄段、收入段、区域，以及聚类后的分群，所以分类变量的相关分析更为常用。
适用条件
【案例】这是一项中国大陆游客赴某国旅行意愿的市场调研，变量X是旅游成熟度1-3级，变量Y是期望的参团方式，分为四类。
预先可以用堆积条形图看一下相关情况。
Tips：用计数画条形图，然后双击图表，在图形编辑器里点红框的缩放至100%，就是堆积条形图了。
感觉中高级游客在参团方式的分布上会有差异，零出国经验和初级差异不太明显。
操作及解读
分析-描述统计-交叉表
先看成熟度是三类的相关分析
把两个变量点进来，进入统计选项卡，选相应的相关系数算法
输出报告，对称测量，即不确定谁自变量，谁是因变量。列联系数值0.198，说明不太相关。
后面的定向测量，确定了谁是自变量、谁是因变量。一组是lambda值，一组是tau-y值，在社会科学研究中，一般认为tau-y更敏感一些，但两组值几乎不相关。
分类变量由样本推及总体的相关性检验，需要卡方检验等方法，我将在下一篇分享。
See you~
参考书
- 张文彤《SPSS20.0统计分析基础教程第2版》
- 张文彤《SPSS20.0统计分析高级教程第2版》
- 李沛良 《社会研究的统计应用》
软件版本 | SPSS 25.0
题图 | Pexels
动图设计 | 赤道裴
