Problemet Uttalelse
Kanskje du har lyst til å teste om det er en statistisk signifikant lineær sammenheng mellom to kontinuerlige variabler, vekt og høyde (og i forlengelsen av dette, trekke slutninger om sammenhengen er signifikant i befolkningen). Du kan bruke en bivariate Pearson Korrelasjon for å teste om det er en statistisk signifikant lineær sammenheng mellom høyde og vekt, og for å bestemme styrken og retningen av foreningen.,
Før Testen
I eksempeldataene, vil vi bruke to variabler: «Høyde» og «Vekt.»Variabelen «Høyde» er en kontinuerlig måling av høyde i inches og utstillinger en rekke verdier fra 55.00 å 84.41 (Analysere > Beskrivende Statistikk > Descriptives). Variabelen «Vekt» er en kontinuerlig måling av vekt i pund og utstillinger en rekke verdier fra 101.71 å 350.07.
Før vi ser på Pearson korrelasjoner, vi bør se på scatterplots av våre variabler for å få en idé om hva du kan forvente., Spesielt trenger vi å finne ut om det er rimelig å anta at variablene har lineære relasjoner. Klikk Grafer > Legacy Dialoger > Scatter/Dot. I den Scatter/Dot-vinduet, klikker du på Enkelt Scatter, og klikk deretter på Angi. Flytte variabel Høyde til X-Aksen boksen, og flytte variabel Vekt på Y-Aksen boksen. Når du er ferdig, klikker du OK.
for Å legge til en lineær tilpasning som en avbildet, dobbeltklikk på tomten i Output-Visningen for å åpne Diagram Editor., Klikk på Elementene > Tilpass Linje på Total. I vinduet Egenskaper, sørg for at den Passer Metode er satt til Lineær, og klikk deretter på Bruk. (Legg merke til at å legge lineær regresjon trend linje vil også legge til at den R-kvadrerte verdien i margen av tomten. Hvis vi tar kvadratroten av dette nummer, skal det matche verdien av Pearson korrelasjon vi får.)
Fra scatterplot, kan vi se at når høyden øker, vekt også en tendens til å øke. Det ser ut til å være noen lineær sammenheng.,
Kjører Testen
for Å kjøre den bivariate Pearson Korrelasjon, klikk Analysere > Knyttet > Bivariate. Velg variabler Høyde og Vekt, og flytte dem til Variablene boksen. I den Sammenheng Koeffisienter område, velg Pearson. I Testen av Betydning område, velg din ønskede betydning test, to-tailed eller one-tailed. Vi vil velge en to-tailed betydning test i dette eksemplet. Merk av i boksen ved siden av Flagget signifikante korrelasjoner.
Klikk OK for å kjøre den bivariate Pearson Korrelasjon., Utgang for analysen vil vise i Utdata-Viewer.
Syntaks
CORRELATIONS /VARIABLES=Weight Height /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE.Output
Tabeller
resultatene vil vise sammenhenger i en tabell, merket Sammenhenger.
En Korrelasjon på Høyde med seg selv (r=1), og antall nonmissing observasjoner for høyde (n=408).
B Korrelasjon av høyde og vekt (r=0.513), basert på n=354 observasjoner med parvis nonmissing verdier.
C Korrelasjon av høyde og vekt (r=0.,513), basert på n=354 observasjoner med parvis nonmissing verdier.
D Korrelasjon i vekt med seg selv (r=1), og antall nonmissing observasjoner i vekt (n=376).
De viktigste cellene vi ønsker å se på er enten B eller C. (Celler, B og C er identiske, fordi de inneholder informasjon om samme par av variabler.) Celler, B og C inneholder korrelasjonskoeffisienten for sammenhengen mellom høyde og vekt, sin p-verdi, og antall komplett parvis observasjoner at beregningen var basert på.,
sammenhenger i de viktigste diagonal (celler A og D) er lik 1. Dette er fordi en variabel er alltid perfekt korrelert med seg selv. Men legg merke til at utvalgene er forskjellige i En celle (n=408) versus celle D (n=376). Dette er på grunn av manglende data, og det er flere mangler observasjoner for variabel Vekt enn det er for variabel Høyde.
Hvis du har valgt å flagge signifikante korrelasjoner, SPSS vil merke en 0,05 betydning nivå med en stjerne (*) og en 0.01 betydning nivå med to stjerner (0.01)., I celle B (gjentatt i celle C), kan vi se at Pearson korrelasjonskoeffisient for høyde og vekt .513, som er signifikant (p < .001 for en to-tailed test), basert på 354 komplett observasjoner (dvs., tilfeller med nonmissing verdier for både høyde og vekt).
Avgjørelse og Konklusjoner
Basert på resultater, vi kan si følgende: