JASP统计分析实践：相关分析

案例数据源：雇员数据

请在本公众号后台回复关键词【雇员】获取数据下载链接。

分析目的：试分析初始薪金水平与当前薪金水平的相关性。

初始薪金和当前薪金两个变量均为连续数据，如果满足多元正态分布，那么可以采用Pearson相关系数，如果不满足多元正态分布，则可采用Spearman相关系数。

正态分布检验

在【Assumption Checks】中勾选【Shapiro】，得到shapiro检验结果。

这是一个惊喜哦，JASP给大家输出的可是多元正态分布检验，这一点优势很明显，因为大家熟悉的SPSS软件是无法给出这个结果的，在SPSS中，我们通常为简便起见，是分别给出两个连续变量的正态分布检验结果，如果两个均满足正态分布，也就直接认为满足了多元正态分布条件，这并不是严格的做法。

上表结果表明，初始薪金和当前薪金不满足二元正态分布（P＜0.001）。

因此不适合用Pearson相关系数，此时建议使用Spearman相关系数来衡量两个变量间的相关性。

Spearman相关性

Spearman's r = 0.826，相关系数有统计学意义（p＜0.001），初始薪金与当前薪金间存在正向的，较强的相关性（r=0.826）。

关于相关系数的显著性检验，请读下面这篇文章。↓

数据可视化

两个变量间存在较强的正相关性，那应该如何用统计图形来展示呢？答案是作散点图。

在JASP相关分析菜单中，同样也是内置了一个散点图的参数选项，勾选之后即可获得相应的图形。

从散点图来看，点的分布呈现出斜向上的直线，初始薪金高的人当前薪金相应也较高，二者间存在较强的线性相关性（Spearman's r = 0.826，P＜0.001）。

本文完

文/图=数据小兵

历史文章

一款全新的统计软件：JASP

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。