SPSS相关性分析案例

SPSS内部提供了多种分析数据相关性的方法：卡方检验（Chi-SquareTest），Pearson相关系数计算，Spearman相关系数计算和Kendall的tau-b（K）相关系数计算。这四种分析方法适用于不同的数据类型。今天向大家展示一个SPSS相关性分析案例，介绍使用SPSS进行Kendall的tau-b（K）相关系数计算及结果分析。

1.案例及数据录入

在某一地区，人们想调查学历与收入之间是否存在关系，具体实施方法是将不同收入的调查对象进行分级，级别分别为低收入，中等收入，高收入，学历也进行分级，分别为高中及以下，本科，研究生及以上。对于分级的数据，卡方检验，Pearson相关系数，Spearman相关系数均不再适用，针对同一研究对象，分级的数据应该采用Kendall的tau-b（K）相关系数统计方法进行分析。

打开SPSS软件，将低收入设置为1级别，中等收入设置为2级别，高收入设置为3级别，高中及以下设置为1级别，本科设置为2级别，研究生及以上设置为3级别，按图1所示录入调查数据。

图1设置级别并录入数据

然后打开图2所示界面，对变量属性进行设置。VAR00001设置为学历级别，VAR00002设置为收入级别。

图2变量属性设置

2.Kendall的tau-b（K）相关系数计算

如图3所示界面，点击分析，相关，双变量，然后将变量添加至3所示位置，在4所示位置选择肯德尔的tau-b（K），然后点击确定，SPSS将进行相关系数计算。

图3Kendall的tau-b（K）相关系数计算

3.Kendall的tau-b（K）相关系数计算结果分析

图4Kendalltau-b系数计算结果

对于Kendall的tau-b(K)系数，如果相关系数低于0.3则为不相关，0.3～0.7之间为弱相关，大于0.7为强相关。

结果可以看出，本例检验的相关系数为0.240小于0.3判断，收入与学历之间不相关。

同时检验的显著性水平（图中的Sig.）为0.363，大于0.05，说明应接受不相关假设，两者之间确实不相互影响。

通过分析以上两个结果数据，结论为收入与学历之间不相关。

以上就是使用Kendall的tau-b(K)系数计算分析数据相关性案例的全部内容了，由于Kendall的tau-b(K)系数计算可以对数据进行分级统计，所以在社会学研究中，Kendall的tau-b(K)系数实用性非常强。想获取更多的SPSS使用方法，大家可以浏览城东书院网站进行学习。