spss线性回归散点图怎么做 教你制作spss线性散点图

关联分析可以解决的问题:父母身高和孩子身高有关系吗？一般父母身高越高，孩子身高越高？跳远成绩和短跑速度有关系吗？一般来说，短跑速度越快，跳远成绩就越好？相关系数R用来表示两个变

关联分析可以解决的问题:

父母身高和孩子身高有关系吗？一般父母身高越高，孩子身高越高？

跳远成绩和短跑速度有关系吗？一般来说，短跑速度越快，跳远成绩就越好？

相关系数R用来表示两个变量之间的相关程度和方向。

A.零相关:r=0

B.正相关:0<>

C.完全正相关:r=1

D.负相关:-1<>

E.完全负相关:r=-1

r|越大，相关性越密切。

r|越小，相关性越不密切。

案例:

不同姿势手榴弹投掷成绩的相关性分析

测试对象:1-4年级大学生58人。

【/s2/】测试内容:【/s2/】身高、体重、肺活量、体能得分，以及站立、蹲下、卧倒三种姿势投掷手榴弹的得分。

研究目的:探讨不同姿势手榴弹投掷成绩的相关性及成绩的影响因素。

部分数据:

图1

1。一、探究站立和半蹲投掷成绩的相关性？

站着扔的越远，蹲着会扔吗？

散点图和拟合直线初步探索了两个变量之间的关系；

SPSS:图形-散点图-简单散点图(x轴输入”半蹲”，y轴输入”站着”)。点击”确保”。

图2

基本分布:半蹲投掷成绩越高，站立投掷成绩越高。

(1)皮尔逊的积矩相关系数在服从二元正态分布时采用。

SPSS步骤:1)分析-相关性-双变量

图3

2)把”站着”、”半蹲”投掷成绩被选中”变量”列表。

检查相关系数”皮尔逊”(即皮尔逊积矩相关系数)。点击”确保”。

图4

3)SPSS结果:

图5

结果判断方法:

P >0.05，无相关性。

当P≤0.05时，存在相关性。此时|r|越接近1，相关性越接近。

结果:立姿和蹲姿投掷手雷得分之间存在高度正相关(R = r=0.930，P<0.05)。

(2)当不服从二元正态分布时，采用Spearman秩相关系数。

检查相关系数”斯皮尔曼”(即斯皮尔曼秩相关系数)。点击”确保”。

图6

SPSS结果:

图7

判断方法同上。

结果:立姿和蹲姿投掷手榴弹得分呈高度正相关(rs=0.896，P<>

2。同时探究多个变量之间的相关性？(建立相关矩阵)

“变量”在列表中选择多个变量。

同时检查相关系数”皮尔逊”还有”斯皮尔曼”。

点击”确保”。

图8

皮尔逊积差相关系数结果:

图9

Spearman等级相关系数结果:

图10

图9和图10显示了关于红线对称分布的多个变量之间的相关系数矩阵。