SPSS统计案例笔记16:相关分析之kendall系数

原创 数据小兵  2018-12-14 17:38  阅读 2,132 次
视频课程《SPSS统计分析:从入门到实践提高》

相关分析中最为常用的是pearson相关系数,严格来说它有自己的适用性,数据最好是正态分布且为连续型的数值,比如一个班级男生的身高数据和体重数据。

在现实中,并不是所有的分析数据都能满足这样的条件,对于一些分类型的数据,或者明显不是正态分布的数据,pearson相关系数是不合适的。此时有另外两个系数可用,它们分别是spearman和kendall相关系数。

今天的案例是学习一下kendall相关。

现在有一组银行职员的调查数据,我们想考察一下职员们的工资(salary)和受教育程度(educ)、职务等级(jabcat)之间的关系。其中educ和jabcat均为有序分类变量。

我们在数据文件的数据视图下,依次打开【分析】→【相关】→【双变量】菜单。

将工资、职务等级、教育程度三个变量从变量列表中移入右侧的变量框内。勾选肯德尔tau-b系数,勾选标记显著性。点击【确定】按钮,软件即开始执行相关分析过程。

来看结果:

kendall相关系数表如上。工资与教育程度、职务等级的kendall系数分别为0.554和0.53(中等相关的一个水平),不相关的概率几乎为0(通过显著性检验),说明工资与教育程度和职务等级有关。

那么工资与教育程度,工资与职务等级各分类水平的走势如何呢?我们可以通过一个简单的线形态可以看出来。

可以看到,接受教育年限多的职工相对来说有比较高的工资,工资内部职务等级尤其是在manager这个级别,工资明显高于其他较低职位。

还有另外一个相关关系,受教育程度与企业职务等级是不是有关系呢?它们是两个有序分类的变量,kendall系数0.415,不相关的概率也是几乎为零,从这个角度说明二者也存在相关的关系。

文=数据小兵
案例数据=选自《SPSS for win统计分析》

本文地址:http://www.datasoldier.net/archives/796
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
SPSS在线视频学习
欢迎订阅SPSS训练营微信公众号

评论已关闭!