Trang chủ / Nghiên cứu khoa học / Định lượng / [SPSS] Kiểm định sự tương quan trong SPSS

[SPSS] Kiểm định sự tương quan trong SPSS

Pearson Correlation bivariate tạo ra một hệ số tương quan mẫu, r , đo cường độ và hướng của mối quan hệ tuyến tính giữa các cặp biến liên tục. Bằng cách mở rộng, Pearson Correlation đánh giá liệu có bằng chứng thống kê cho mối quan hệ tuyến tính giữa các cặp biến số tương tự trong tổng thể hay không, được biểu thị bằng hệ số tương quan “r”.

Để hiểu hơn về sự tương quan trong nghiên cứu, hãy tham khảo bài viết >>> Hệ số tương quan trong nghiên cứu

Chạy một tương quan Bivariate Pearson

Để chạy Tương quan Pearson bivariate trong SPSS, nhấp Analyze > Correlate > Bivariate.

Cửa sổ Bivariate Correlations mở ra, nơi bạn sẽ chỉ định các biến được sử dụng trong phân tích. Tất cả các biến trong tập dữ liệu của bạn xuất hiện trong danh sách ở phía bên trái. Để chọn các biến cho phân tích, chọn các biến trong danh sách bên trái và nhấp vào nút mũi tên màu xanh để di chuyển chúng sang phải, trong trường Variables .

A. Biến : Các biến được sử dụng trong Tương quan Pearson bivariate. Bạn phải chọn ít nhất hai biến liên tục, nhưng có thể chọn nhiều hơn hai biến. Thử nghiệm sẽ tạo ra các hệ số tương quan cho từng cặp biến trong danh sách này.

B. Hệ số tương quan : Có nhiều loại hệ số tương quan. Theo mặc định, Pearson được chọn. Chọn Pearson sẽ tạo ra số liệu thống kê kiểm tra cho Tương quan Pearson hai biến.

C. Kiểm tra Ý nghĩa:  Nhấp vào Hai đuôi hoặc Một đuôi , tùy thuộc vào thử nghiệm ý nghĩa mong muốn của bạn. SPSS sử dụng thử nghiệm hai đuôi theo mặc định.

D. Đánh dấu các mối tương quan có ý nghĩa: Kiểm tra tùy chọn này sẽ bao gồm các dấu sao (**) bên cạnh các tương quan có ý nghĩa thống kê trong đầu ra. Theo mặc định, SPSS đánh dấu ý nghĩa thống kê ở các mức alpha = 0,05 và alpha = 0,01, nhưng không ở mức alpha = 0,001 (được coi là alpha = 0,01)

E . Tùy chọn : Nhấp Options sẽ mở ra một cửa sổ nơi bạn có thể chỉ định thống bao gồm (ví dụ, trung bình và độ lệch chuẩn , độ lệch chéo  và hiệp phương sai ) và làm thế nào để địa chỉ Values khuyết (ví dụ, Loại trừ trường hợp cặp pairwise hoặc trường hợp loại trừ listwise ). Lưu ý rằng cài đặt pairwise/ listwise không ảnh hưởng đến tính toán của bạn nếu bạn chỉ nhập hai biến, nhưng có thể tạo ra sự khác biệt rất lớn nếu bạn nhập ba hoặc nhiều biến vào quy trình tương quan.

Ví dụ: Hiểu mối liên hệ tuyến tính giữa cân nặng và chiều cao

BÁO CÁO VẤN ĐỀ

Có lẽ bạn muốn kiểm tra xem liệu có mối quan hệ tuyến tính có ý nghĩa thống kê giữa hai biến liên tục, cân nặng và chiều cao (và bằng cách mở rộng, suy ra liệu mối liên quan này có ý nghĩa trong dân số hay không). Bạn có thể sử dụng Pearson Correlation bivariate để kiểm tra xem có mối quan hệ tuyến tính có ý nghĩa thống kê giữa chiều cao và cân nặng hay không, và để xác định cường độ và hướng của mối liên kết.

TRƯỚC KỲ KIỂM TRA

Trong dữ liệu mẫu, chúng tôi sẽ sử dụng hai biến số: Trọng lượng cao Chiều cao và Trọng lượng. Biến “Chiều cao” là một biện pháp liên tục của chiều cao tính bằng inch và trưng bày một loạt các giá trị 55,00-84,41 (Analyze > Descriptive Statistics > Descriptives). Biến số Trọng lượng tạ là một đơn vị đo trọng lượng liên tục tính bằng pound và thể hiện một loạt các giá trị từ 101,71 đến 350,07.

Trước khi chúng ta xem xét các mối tương quan Pearson, chúng ta nên xem xét các biểu đồ phân tán các biến của chúng ta để có ý tưởng về những gì mong đợi. Cụ thể, chúng ta cần xác định xem có hợp lý không khi cho rằng các biến của chúng ta có mối quan hệ tuyến tính. Nhấp vào Graphs > Legacy Dialogs > Scatter/Dot. . Trong cửa sổ Scatter / Dot, bấm Simple Scatter , sau đó bấm Define . Di chuyển Chiều cao biến sang hộp Trục X và di chuyển Trọng lượng biến sang hộp Trục Y. Khi hoàn tất, nhấp OK .

Để thêm một sự phù hợp tuyến tính như mô tả, nhấp đúp vào biểu đồ trong Trình xem đầu ra để mở Trình chỉnh sửa biểu đồ. Nhấp vào lements > Fit Line at Total . Trong cửa sổ Thuộc tính, đảm bảo Phương thức Fit được đặt thành Linear, sau đó bấm Apply . (Lưu ý rằng việc thêm đường xu hướng hồi quy tuyến tính cũng sẽ thêm giá trị bình phương R vào lề của ô. Nếu chúng ta lấy căn bậc hai của số này, nó sẽ khớp với giá trị của tương quan Pearson mà chúng ta thu được.)

Từ scatterplot, chúng ta có thể thấy rằng khi tăng chiều cao, cân nặng cũng có xu hướng tăng. Dường như có một số mối quan hệ tuyến tính.

Nếu có bất cứ thắc mắc gì, các bạn hãy liên hệ với chúng tôi qua:

  • Email: hotro@hotroluanvan.com
  • Zalo: 0833.470.470
  • Website: hotroluanvan.com hoặc phantichdulieuspss.com để tham khảo các bài viết
  • Hoặc điền vào Form  thông tin sau:


Thông tin Hỗ trợ luận văn

Tôi luôn mong muốn mang đến sự thành công cho tất cả mọi người. Phương châm sống "Càng hiểu biết, con người càng tự do"

Cũng Xem

Xử lý câu hỏi nhiều lựa chọn trong SPSS (Multiple Response)

1.Định dạng biến tổng hợp Từ menu Analyze -> Multiple Response -> Define Variable Sets… …