|如何使用SPSS进行连续型变量的相关性分析（附案例数据）( 二 )

（二）确定统计量

在变量窗口下，【相关系数】我们这里选择Pearson ，前文已经说明，这里不再赘述；【显著性检验】即检验样本是否能够推论总体，这里选择双侧检验（关于单侧检验和双侧检验，后面有机会再详细介绍）；【标记显著性相关】的作用是在显著性水平为0.05和为0.01时以星号进行标记，当显著性水平为0.05时标记一个星号，为0.01时标记两个星号。

打开对话框右侧的【选项】功能，主要关注【统计量】框中的选项，这里我们想输出“均值和标准差” 。
最后，单机确定，交给系统运行计算。
（三）解读统计分析结果
系统主要输出了两个统计结果：描述性统计量表和相关性表。
1. 描述性统计量

从这个表中，我们可以看到所分析的变量的均值、标准差和样本量。这个就大概看下就好，关键是相关性表
2. 相关性表

这里主要看红框里的值。从表中可以看到，住房使用面积和家庭月收入存在相关关系，其相关系数为0.393 ，呈现中度相关性，且在0.01的显著性水平上显著，即样本数据中的这个相关性在总体中一样有效。
二、定类变量和定距变量的相关性分析在分析定类变量与定距变量的相关关系时，我们可以使用相关比率来测量相关性程度。
相关比率，又称为eta平方系数，简写为E^2 ，是以一个定类变量X为自变量，以一个定距变量Y为因变量，根据自变量的每一个值来预测或估计因变量的均值。
由于相关比率计算过程中，有一个变量是定类变量，所以eta系数值（E）没有负数，取值范围为[01
。 E^2具有消减误差比例的意义。
倘若所研究的是一个随机样本，要想将相关性结果推论总体，则可通过单因素方差分析（one-way analysis of variance）中的F检验判断是否可行。 F检验的逻辑是通过计算各组总体中的均值是否相等，如果相等，说明总体中自变量对因变量没有显著影响；如果各组总体的均值不全相等，则说明总体中自变量对因变量的影响是显著的。
实际上，对于严谨的研究来说，在进行单因素方差分析之前还应该要做方差齐性检验，因为使用单因素方差分析不仅要求各个类别的样本是随机且独立的，而且还要求各个总体的方差要相等。由于单因素方差和方差齐性检验有点复杂，这里我们就不做展开，后面再专门对方差分析进行介绍。
接下来，我们将基于“休闲调查.sav”的数据进行实际案例操作。
研究问题：不同文化程度的人的住房面积是否存在差异？
针对该研究问题， SPSS的分析操作如下过程。
（一）打开对话框，添加变量
操作路径：工具栏“分析”——比较均值——均值

从研究问题来看，实际上是把“文化程度”当作了自变量，而将“住房使用面积”当作了因变量。因此，在变量窗口中，我们需要将“住房使用面积”变量放到因变量列表窗口中，将“文化程度”变量添加到自变量列表窗口中。
（二）确定统计量

主要关注“第一层的统计量”框中的“ANOVA表和eta” 。 ANOVA即单因素方差分析，对样本数据推论总体进行显著性检验，输出的是ANOVA表；eta即计算相关性大小的方法。
（三）解读统计结果
最后输出的结果中，我们主要看ANOVA表和相关性度量表即可。
1. ANOVA表

从表中我们可以知道，单因素方差分析告诉我们， F检验的显著性水平为0.05 ，也就是说，单因素方差分析的原假设“总体中各个类别的均值相等”成立的情况下， F值（2.129）出现的概率为0.05 ，属于小概率事件，所以我们应该拒绝原假设，即说明，总体中不同文化程度的人的住房面积是有显著差异的，即总体中文化程度和住房面积存在相关关系。