如何应用SPSS双变量相关检验探究两变量间相关关系

我们通过散点图研究发现，客流量与销售额之间存在着正相关的关系，而客单价与销售额之间似乎不存在相关关系。

为了进一步验证客单价与销售额之间的关系，同时衡量客流量与销售额之间相关关系的程度，本文将会应用IBM SPSS Statistics的两变量相关检验，探究客单价与销售额、客流量与销售额之间的密切程度。

　一、使用的数据介绍

如图1所示，本文使用的是一组包含客流量、销售额、客单价的数据。

图1：示例数据

二、应用双变量相关检验

如图2所示，依次单击分析-相关-双变量选项，打开双变量相关分析面板。

图2：双变量相关

1. 选择变量

在双变量相关性设置面板中，首先，将要研究的变量添加到右侧变量方框中。

图3：选择变量

2. 选项设置

然后，单击选项按钮，并在选项面板中勾选“平均值和标准差”的统计项。

图4：选项设置

3. 相关系数与显著性检验设置

接着，再进行相关系数与显著性检验的设置。

如图5所示，如果数据满足正态分布的话，使用皮尔逊检验结果，否则就应该使用肯德尔或斯皮尔曼检验结果。由于我们仍未进行正态性检验，可以先把所有方法都勾选上。

另外，如果事先知道数据的分布，比如正相关、负相关等，选择单尾检验，否则选择双尾检验。

图5：相关系数与显著性检验设置

4. 检验结果解读

完成以上设置后，运行检验。

首先，从描述统计数值中，可以看到各个变量的平均值与标准差。

图6：描述统计

在查看相关性检验时，需根据数据是否服从正态分布来选取不同的检验结果。如图7所示，对数据应用KS检验来检验数据是否服从正态分布，从其渐进显著性数值看到（均大于0.05），结果不显著，也就是说不能拒绝数据服从正态分布的零和假设（因KS检验的零和假设是数据服从正态分布）。

图7：KS检验

基于数据服从正态分布的前提，查看皮尔逊相关性检验结果。如图8所示，客流量与销售额的皮尔逊系数为0.92，标注了两个星，说明客流量与销售额相关性强；而客单价与销售额的皮尔逊系数为0.342，也有较强的相关性。

图8：相关性检验结果

三、小结

综上所述，IBM SPSS Statistics的双变量相关检验，可对两变量间的相关关系进行程度性的测量，以探究两两变量间相关性的强弱。另外，结合使用散点图，可对数据进行快速的相关性预判，辅助说明两变量间的相关性。