另外,一定不能遗漏了做一下散点图,看散点图的点的趋势,是线性关系还是非线性关系,这个非常重要。如果你是曲线的趋势,显然你用相关系数显然不会太合适。
总结:做散点图+异常值检查+剔除异常值。
关于异常值的检查,我推荐的阅读资料如下:
SPSS统计图形:箱线图观察异常值的注意事项
散点图制作,我推荐的资料,如下:
SPSS动手实践:画个散点图
用散点图法判断变量之间是否存在线性关系
有帮助的话,
1、相关系数越大,说明两个变量之间的关系就越强。当相关系数为1时,两个变量其实就是一次函数关系。
2、相关系数介于0与1之间,用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算,同样以两变量与各自平均值的离差为基础,通过两个离差相乘来反映两变量之间相关程度;着重研究线性的单相关系数。
3、相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标,是研究变量之间线性相关程度的量,一般用字母 r 表示。由于研究对象的不同,相关系数有多种定义方式,较为常用的是皮尔逊相关系数。
相关系数高只是说明了两组数据具有相似或相反的变化趋势,而多重比较显示差异显著则说明两组的平均水平差异很大。据个简单的例子,一组数据是100,200……1000;另一组数据1,2,……10,如果进行相关检验肯定也是正相关,但方差分析则肯定差异显著!欢迎分享,转载请注明来源:夏雨云
评论列表(0条)