
SPSS分析技术:偏相关分析
相关分析是研究两个变量共同变化的密切程度,但有时出现相关的两个变量又同时与另外的一个变量相关,在这三个变量中,有可能只是由于某个变量充当了相关性的中介作用,而另外的两个变量并不存在实质性的相关关系。这种情形导致数据分析中出现“伪相关”现象,造成伪相关现象的变量被称为“桥梁变量”。
例如,在研究大学生上网时间,游戏时间、完成作业情况、考试成绩的相关性时,往往发现上网时间与作业情况、考试成绩呈现不明显的负相关性,同时上网时间又和游戏时间呈现高度正相关性,游戏时间与作业情况、考试成绩也呈现为负相关性。那么,上网时间与作业情况、考试成绩之间的微弱负相关性是真的吗?
在数据的相关性分析中,为了摒弃桥梁变量的影响力,发现变量内部隐藏的真正相关性,人们引入了偏相关分析的概念。偏相关分析是在剔除控制变量的影响下,分析指定变量之间是否存在显著的相关性。
偏相关分析
首先在验证了数据内部存在相关性后,如果怀疑可能存在桥梁变量,则可以把桥梁变量作为控制变量,重新进行相关性分析,检查在排除了桥梁变量的影响力之后,其它变量之间是否还存在关联性。如果开始有相关关系,剔除了控制变量之后,相关关系不存在了,说明控制变量为桥梁变量。
范例分析
现在采集到60条学生数据,分析上网时间、游戏时间、作业情况和数学成绩之间的相关性,并探索本案例中是否存在桥梁变量。数据如下:
SPSS分析步骤
1、选择菜单【分析】-【相关】-【双变量】命令,启动四个变量的相关性分析,操作如下图,将上网时间、游戏时间、作业情况和数学成绩选入变量区域内,进行分析。
2、分析者根据实际情况,怀疑游戏时间是桥梁变量,因为游戏时间的存在,导致另外三个变量之间存在着高度相关性。因此以游戏时间作为控制变量,进行偏相关分析。选择菜单【分析】-【相关】-【偏相关】命令,启动偏相关分析,将上网时间、作业情况和数学成绩选为变量,将游戏时间选为控制变量。
结果分析
双变量相关分析结果如下:
从上图结果可知,上网时间与游戏时间是正相关的(相关系数为1,概率为0.000);与作业情况和数学成绩是负相关的(相关系数为-0.957和-0.986,检验概率都为0),表示这四个变量之间都存在着显著相关性。
偏相关分析结果
从上图结果可知,当剔除游戏时间以后,上网时间与作业情况和数学成绩之间的相关系数都为0,显著性为1,大于0.05,说明它们之间不存在相关性。
结论
在本案例中,直接分析四个变量的相关性水平发现,上网时间与作业情况、数学成绩之间存在显著相关。然而,偏相关检验的结论说明,上网时间与作业情况,数学成绩的显著相关是由游戏时间引起的,游戏时间在上网时间、作业情况和数学成绩之间起到桥梁作用,它确实是一个桥梁变量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10