多组变量的总体相关系数怎么求

多组变量的总体相关系数怎么求

两个变量之间的相关系数，可以在SPSS中的correlation中计算得到。两组变量之间的相关系数如何计算呢？专研了一天，还是从竹庄家的网页里获得了最多的知识。

　　以下为转贴：

　　计算两组变量之间相关系数的最好（即最容易也最准确）方法是用LISREL、AMOS等结构方程模型（SEM）。如果A1－A3是一个潜在因子、B1－B5是另一个潜在因子。SEM可以同时检验这两个潜在因子内部各观测变量是否相关以及两个因子之间是否相关。

　　如果你没学过SEM而只想在SPSS里做，有几种变通方法，但是都比较麻烦一点，其结果略有差别。

　　一、因子分析（EFA）：先分别对A1－A3和B1－B5做因子分析、并从中生成两个因子、最后在相关分析中计算因子之间的相关系数。如果这两组变量（尤其是B1－B5）每组各自存在2个或更多的因子，就有问题了。（当然，如果这种情况发生，用其它方法同样也会有问题。）

　　二、General Linear Model（GLM）：选"Multivariate", 将A1-A3放入"Dependent Variables"、B1－B5放入"Covariate(s)"，执行后在“Test of Between-Subjects Effects"的表底部，找到对应于A1-A3的三个"R Squared" ，求其平均，再求其平方根(squared root），就是两组变量的相...　　两个变量之间的相关系数，可以在SPSS中的correlation中计算得到。两组变量之间的相关系数如何计算呢？专研了一天，还是从竹庄家的网页里获得了最多的知识。

　　以下为转贴：

　　计算两组变量之间相关系数的最好（即最容易也最准确）方法是用LISREL、AMOS等结构方程模型（SEM）。如果A1－A3是一个潜在因子、B1－B5是另一个潜在因子。SEM可以同时检验这两个潜在因子内部各观测变量是否相关以及两个因子之间是否相关。

　　如果你没学过SEM而只想在SPSS里做，有几种变通方法，但是都比较麻烦一点，其结果略有差别。

　　一、因子分析（EFA）：先分别对A1－A3和B1－B5做因子分析、并从中生成两个因子、最后在相关分析中计算因子之间的相关系数。如果这两组变量（尤其是B1－B5）每组各自存在2个或更多的因子，就有问题了。（当然，如果这种情况发生，用其它方法同样也会有问题。）

　　二、General Linear Model（GLM）：选"Multivariate", 将A1-A3放入"Dependent Variables"、B1－B5放入"Covariate(s)"，执行后在“Test of Between-Subjects Effects"的表底部，找到对应于A1-A3的三个"R Squared" ，求其平均，再求其平方根(squared root），就是两组变量的相关系数了。

　　三、在MANOVA里启用其Canonical Correlation，SPSS菜单中已找不到MANOVA了，要写如下的syntax：

　　MANOVA a1 a2 a3 WITH b1 b2 b3 b4 b5
　　/DISCRIM ALL ALPHA(1)
　　/PRINT=SIG(EIGEN DIM)

　　其产生很多个表格，最后的“Analysis of Variance -- design 1：Estimates of effects for canonical variables”给出了类似GLM的R Squared，然后再求平方根

　　四、如果使用SPSS15，它提供了一个"Canonical Correlations.sps"的syntax，可以调用，其结果的解读如上。

打开spss软件;点击“开始”按钮，双击“spss ”软件。 导入数据：点击左上角“文件”-----“打开”-----“数据”，并选择你的数据 如果为spss数据可以直接导入，若为excel 格式，需要在“文件类型”框中选择“excel格式” 开始做数据分析： 在工具栏处，点击： “分析”----”相关”----“双变量”，如下图所示，则开始进行变量的选择 如图，需要先确定要分析的变量，首先将两个变量放入“变量”框中。 此时，需要注意，要分析哪几个变量就只能选择那几个变量，而不能将所有的变量选入； 当然，如果分析的是多有的变量，也可以同时将所有的变量选入 然后，选择在“相关系数”框中选择“pearson”。 因为，这里的两个变量为连续性的变量，因此采用pearson 相关分析； 若为两个分类变量，或者一个分类变量一个连续性的变量，则可以用spearman 相关分析 选择好变量之后，如果需要对数据进行一定的描述，或者查看，可以打开右上角的按钮，即选择“选项”，如下图所示 大部分分析需要对原始数据进行统计描述，即如果需要进行描述性分析，可以选择均值和标准差，如上图所示的mean （均值）和 sd （标准差），分别对数据的大小和离散程度作出一定的描述，并点击“确定按钮” 如果需要对数据进行模拟分析，则可以选择右上角的“bootstrap”模拟分析，打开后如下图所示。 其中样本数为需要模拟的总共的次数，可以自己定义；后面的种子数，是开始模拟随机数字的起始种子数，同样可以自行定义。其中的置信区间为ci， 即结果的可信区间 单击确定后，再output窗口中可以看到：结果如下所示。 结果给出两个分析，一个是描述性分析，为以下的第二个图，和pearson 相关分析结果为第一个图。 一般结果，应该先描述第二个图的表格含义， 其中mean表示均值，为两个连续性变量的均数；第二个值为std. deviation 表示标准差，即原始数据的标准差 第一个图为pearson correlations表格为相关系数表 其中pearson correlation 为相关系数 sig 为p 值（<0.05为有显著性意义） n 为样本量