IBM SPSS Statistics為用戶提供了三種相關性分析的方法，分別是雙變量分析、偏相關分析和距離分析，三種相關分析方法各針對不同的數(shù)據(jù)情況，接下來我們將為大家介紹如何使用SPSS相關性分析中的距離分析。

一、數(shù)據(jù)簡述

距離分析和其他兩類相關分析方法的不同之處在于，分析結(jié)果不會出現(xiàn)表示變量相關性的p值，只會顯示變量或個案之間的距離。

圖1：數(shù)據(jù)樣本

上圖是本次分析中使用到的數(shù)據(jù)樣本，是五個學生的三項體育測試成績，我們將對每個個案之間進行相關性分析，即分析他們的體育成績的距離相關性。

二、距離分析

1.功能位置

圖2：距離分析

在“分析”——“相關”中點擊“距離”，可以進入距離分析的對話框。

2.設置項目

圖3:分析設置

數(shù)據(jù)樣本中主要有四個變量，將待分析的變量“百米成績”、“坐位體前屈成績”和“實心球成績”移入“變量”窗口，作為分析變量依據(jù)。

將“編號”移入“個案標注依據(jù)”，將計算依據(jù)選擇為“個案間”，表示本次分析將對個案間的三個變量數(shù)據(jù)進行距離分析。

3.測量（非相似性）

圖4：非相似性測量

在“測量”中勾選“非相似性”，點擊“測量”，進入下一步設置。

非相似性的測量方法有三種，分別是區(qū)間、計數(shù)和二分，區(qū)間是針對連續(xù)變化的樣本，我們這里使用的樣本數(shù)據(jù)就符合這一條件，選擇其中的“歐式距離”作為距離分析方法。

計數(shù)主要是通過對變量進行計數(shù)，再運用卡方值或phi平方度量值來進行距離分析的；二分是針對二分數(shù)據(jù)的，我們這里不是二值數(shù)據(jù)，也不適合這種分析方法。

圖5：非相似性設置

轉(zhuǎn)換值下的“標準化”是對個案或變量進行標準化處理，有多種選擇，因為分析的變量的單位不同，所以我們使用到的是“Z分數(shù)”，勾選“按照個案”。

轉(zhuǎn)換測量可以將計算出來的結(jié)果進行轉(zhuǎn)換，包括絕對值、符號、重新標注，不需要勾選。

4.分析結(jié)果（非相似性）

圖6：分析結(jié)果

在輸出日志中查看分析結(jié)果，有兩個表格，非相似性矩陣中呈現(xiàn)的是每個個案之間的距離參數(shù)，由于進行的是非相似性分析，所以參數(shù)越小，相似性越大，可以看出，樣本2和樣本5之間的距離是最小的，所以他們的相關性是最強的。

5.相似性測量

圖7：相似性測量設置

如果要對個案之間進行相似性距離測量，請在“測量”下選擇“相似性”，方法選擇“區(qū)間”中的“皮爾遜相關性”，轉(zhuǎn)換值和轉(zhuǎn)換測量的設置與非相似性測量類似，選擇“Z分數(shù)”和“按照個案”。

相似性測量的結(jié)果是得到一個相似性矩陣，參數(shù)值越大，相關性越強。

三、小結(jié)

今天我們主要介紹了使用IBM SPSS Statistics進行相關性分析的一種方法：距離分析，這種分析方法可以被運用于分析個案或變量之間的距離，從而進一步判斷被分析對象的相關程度。