
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
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25