使用 SPSS 和 PASW/相关性

当两个变量的得分发生系统性变化时，可以认为这两个变量相关。相关性的目的是改进估计值和/或对总体进行预测。简单线性相关性对于通过使用直线公式考虑自变量与因变量的关系来改进因变量的最佳估计特别有用。

在 SPSS 中，我们能够运行两个区间/比率变量之间的相关性。为此，请单击“分析”→“相关”。您将看到三个选项。如果您有两个区间/比率变量，请选择“双变量...”。

弹出窗口将要求您选择两个变量，并将它们移动到窗口右侧的“变量”框中。选择感兴趣的变量。在本例中，我们将使用宗教信仰量表和灵性量表作为我们的两个变量。确保选中 Pearson's r 旁边的框。

然后单击“确定”。

您将获得以下表格

此表格称为相关性表格。在对角线上，每个变量与其自身相关，因此它们是 1.0 的完美相关。该表也是对称的，这意味着对角线以上单元格与对角线以下单元格相同，因此您实际上只需要检查一组单元格 - 对角线以上或以下的单元格。

关于单元格告诉我们什么... 将宗教信仰与灵性相关联的单元格中的第一个值报告了 0.585 的相关系数。相关系数的范围从 -1.0 到 +1.0。1.0 的绝对值表示完美相关，这在社会科学中很少见。负相关意味着当一个变量上升时，另一个变量下降。正相关意味着当一个变量上升时，另一个变量也上升。0.585 的相关性是正的，这意味着随着宗教信仰的增加，灵性也随之增加。但相关性并不完美，这意味着灵性变化中的一部分没有被宗教信仰变化解释。

相关性末尾的星号表示相关性是显著的。显著性的 p 值在两个地方显示 - 在表格最底部定义星号的位置，以及相关系数下方，p 值的位置。在本例中，p 值为 0.000，这意味着仅仅由于机会找到这两个变量之间这种关系的几率小于 0.001，或者小于千分之一。这表明宗教信仰和灵性之间存在显著关系。

单元格中的最后一个值是相关性的样本量 - 646。如果您要同时对两个以上变量进行相关性分析，这可以通过在相关对话框中简单地添加两个以上变量来完成，那么正在比较的样本量可能会因缺少值或无响应等因素而异。

从技术上讲，在进行相关性分析之前，应该始终运行散点图以确保两个变量之间的关系是线性的。这可以通过在 SPSS 中单击“图形”→“图表构建器”来完成。

图表构建器窗口打开后，单击散点图。选择散点图图形的第一个显示示例，并将该显示拖到弹出窗口右侧的大框中。从侧滚动条中选择您的自变量，并将其拖到右侧框中的 X 轴。从侧滚动条中选择您的因变量，并将其拖到右侧框中的 Y 轴。

完成后，单击“确定”。

您将获得类似于以下图形的内容

此散点图表明两个变量之间存在某种线性关系。基本上，任何在宗教信仰上得分高的人在灵性上得分都不低。但是，有一些人在宗教信仰上得分低，但在灵性上得分高。即使这样，总体趋势也是线性关系，这意味着这两个变量适合相关性和回归分析。

本章由 Brittany Harder 贡献。