《相关分析实验报告剖析》由会员分享，可在线阅读，更多相关《相关分析实验报告剖析（10页珍藏版）》请在金锄头文库上搜索。
1、生物医学统计分析评分实验报告 课程名称 生物医学统计分析 实验名称 相关分析 专业班级 姓 名 学 号 实验日期 实验地点 20152016学年度第 2 学期一、 实验目的学会利用两个变量间的线性相关分析法、两个等级（秩）变量间的相关分析法及偏关分析法对数据进行相关分析。二、实验环境 1、硬件配置：处理器：Intel（R） Core(TM) i7-3770 CPU 3.40GHz 3.40GHz 安装内存（RAM）：4.00GB 系统类型：64位操作系统 2、软件环境：IBM SPSS Statistics 19.0软件三、实验内容(包括本实验要完成的实验问题及需要的相关知识简单概述)（1）课
2、本第七章的例7.1-7.5运行一遍，注意理解结果； （2）然后将实验指导书上的例1-2运行一遍，注意理解结果。 三、实验结果与分析例7.1输出结果：表1 摄食量与耗氧率的描述性统计量均值标准差N摄食量45.0018.7086耗氧量621.65068.47526表2 摄食量与耗氧率的相关分析结果表摄食量耗氧量摄食量Pearson 相关性1.990*显著性（双侧）.000N66耗氧量Pearson 相关性.990*1显著性（双侧）.000N66*. 在 .01 水平（双侧）上显著相关分析：1）本实验主要是为了研究摄食量与耗氧率之间的关系，而我们所研究的摄食量这一自变量只存在等数量间隔的差异，并不强
3、调顺序，是定距变量，因此我们选用定距分析； 2）表1为是分析变量的基本统计量，包括两变量的均数、标准差和观测样本数。摄食量： 耗氧量： 3）表2给出的是相关系数及其检验结果。其中说明两变量间存在极显著的高度正相关关系，即耗氧率随着摄食量的增加而增加；4）定距变量可以转化为定序变量，因此在本实验中计算相关系数r时所选取的Pearson方法也可以换成Kendall的tau-b和Spearman两种方法；5）“按对排除个案”选项表示在计算某个统计量时，从这个变量中排除有缺省值的观测，因此本实验选择该选项进行计算两变量间的基本统计量；6）在SPSS输出的结果中，相关系数肩标“*”为，表明在两变量差异显
4、著的情况下所得出的值；肩标“*”为，表明在两变量差异极显著的情况下所显示的值；7）实验中应注意由于我们事先并不知道所研究的变量间是否存在相关关系，因此我们需选择双侧检验。 例7.2 输出结果：表3 甲、乙的相关分析结果表甲乙Kendall 的 au_b甲相关系数1.000.732*Sig.（双侧）.010N1010乙相关系数.732*1.000Sig.（双侧）.010.N1010Spearman 的 rho甲相关系数1.000.799*Sig.（双侧）.006N1010乙相关系数.799*1.000Sig.（双侧）.00.N1010*. 在置信度（双测）为 0.05 时，相关性是显著的。*.
5、在置信度（双测）为 0.01 时，相关性是显著的。分析：1）本实验主要是为了研究甲、乙评委在对奶牛外貌的评分上是否具有一致性，且研究的甲、乙两个变量均属于有序分类，因此我们选用秩序分析； 2）表3是甲、乙两个评委对奶牛等级评定的Kendall 秩相关分析与Spearman秩相关分析结果。其中Kendall 秩相关系数,说明该秩分数间具有显著的正相关关系；Spearman相关系数,说明该秩分数间具有极显著的正相关关系。因此由两种方法所得出的结论可知两个评委的评定等级具有显著的一致性； 3）定序变量不可以转化为定距变量，因此在本实验中计算相关系数r时所选取的Kendall的tau-b和Spearm
6、an两种方法不能换成Pearson方法。 4）实验中应注意由于我们事先并不知道所研究的变量间是否存在相关关系，因此我们需选择双侧检验。 例7.3输出结果：表4 肉色评分和PH值得相关分析结果肉色评分PHSpearman 的 rho肉色评分相关系数1.000.848*Sig.（双侧）.008N88PH相关系数.848*.000Sig.（双侧）.008.N88*. 在置信度（双测）为 0.01 时，相关性是显著的。分析：1）本实验主要研究肉色与PH值的大小顺序是否相关，由于所研究的PH值这一变量为连续型变量，即定距变量，且肉色评分为定序变量，因此我们选用秩序分析中的Spearman方法进行相关分析
7、； 2）表4为肉色评分与PH值的Spearman秩相关分析结果。其,说明金华猪肉色与PH值的大小顺序存在极显著的高度正相关关系，即金华猪的肉色随着PH值的大小顺序的增加而增加； 3）本实验由于掺入了定距变量，因此不能选用Kendall方法，因为Kendall的tau-b方法只适用于研究的两个变量均属于定序变量。 4）实验中应注意由于我们事先并不知道所研究的变量间是否存在相关关系，因此我们需选择双侧检验。例7.4输出结果：表5 描述性统计量均值标准差N穗数x131.6002.609313粒数x263.4384.965813产量y512.7724.28013表6 三变量的两两相关系数穗数x1粒数x
8、2产量y穗数x1Pearson 相关性1-.717*.627*显著性（双侧）.006.022N131313粒数x2Pearson 相关性-.717*1.013显著性（双侧）.006.96N131313产量yPearson 相关性.627*.0131显著性（双侧）.022.967N131313*. 在 .01 水平（双侧）上显著相关。*. 在 0.05 水平（双侧）上显著相关。分析：1）本实验主要是研究每穗数、每穗粒数和每稻谷产量间的关系，由于含有3个变量，因此我们进行的是多个变量间的相关分析，但由于多个变量间的两两相关分析类似于两个变量间的分析，因此我们还是选择双变量间的定距分析； 2）表5为
9、三变量的基本统计量。包括样本的均数、标准差和样本例数。穗数： ，粒数：，产量：，。 3）表6为三变量的两两相关分析结果。其中穗数与粒数的相关系数，说明穗数与粒数存在极显著的中度线性负相关关系，即粒数随着穗数的增加而减少；穗数与产量相关系数，说明穗数与产量存在显著的中度线性正相关关系，即产量随着穗数的增加而增加；粒数与产量的相关系数，说明粒数与产量之间的相关性并不显著；4）实验中应注意由于我们事先并不知道所研究的变量间是否存在相关关系，因此我们需选择双侧检验。例7.5输出结果：表7 三变量的描述性统计量均值标准差N鱼产量y8.7441.853316投饵量x19.9192.076616放养量x22
10、.463.512316表8 控制放养量x2的偏相关分析结果控制变量鱼产量投饵量x1放养量x2-无-a鱼产量y相关性1.000.32.561显著性（双侧）.209.024df01414投饵量x1相关性.3321.000-.394显著性（双侧）.209.131df14014放养量x2相关性.561-.3941.000显著性（双侧）.024.131.df14140放养量x2鱼产量y相关性1.000.727显著性（双侧）.02df013投饵量x1相关性.7271.00显著性（双侧）.002.df130a. 单元格包含零阶 (Pearson) 相关。表9 控制投饵量x1的偏相关分析结果控制变量鱼产量y放
11、养量x2投饵量x1鱼产量y相关性1.000.798显著性（双侧）.000df013放养量x2相关性.7981.000显著性（双侧）.000.df130表10 控制鱼产量y的偏相关分析结果控制变量投饵量x1放养量x2鱼产量y投饵量x1相关性1.000-.743显著性（双侧）.001df013放养量x2相关性-.7431.000显著性（双侧）.001.df130表11 简单相关系数和偏相关系数的比较简单相关系数偏相关系数分析： 1）本实验主要是研究鱼产量和投饵量、放养量之间的相关关系，而投饵量和放养量都有可能与鱼产量存在相关关系，因此我们选择偏相关分析方法控制其中一个变量以消除该变量的影响，以此来
12、找出其他两变量之间单纯的相关关系； 2）表7为三变量的基本分析统计量。包括样本的均数、标准差和例数； 3）表8的上方给出的是三个变量间的简单相关分析，其中鱼产量与放养量的相关系数，,说明鱼产量与放养量间存在显著的线性正相关关系；而鱼产量与投饵量的相关系数，,说明鱼产量与投饵量之间不存在线性相关关系；而从表8的下方给出的偏相关系数可知，当控制了放养量影响后所得出的鱼产量和投饵量的偏相关系数， ，说明鱼产量与投饵量之间存在极显著的中度线性正相关关系，即鱼产量会随着投饵量的增加而增加； 4）表9为控制投饵量影响后的偏相关分析结果。其中鱼产量与放养量的相关系数，说明鱼产量与放养量之间存在极显著的中度线性正相关关系；而未控制前两者的相关系数，两者只达到显著水平； 5）表10为控制鱼产量的影响后投饵量与放养量的偏相关分析结果。其中 ,说明投饵量与放养量之间存在极显著的线性
