Hướng Dẫn Cách Chạy Phân Tích Tương Quan Pearson Trong SPSS

4.7/5 - (6 bình chọn)

Tương quan Pearson tạo ra một hệ số tương quan mẫu r nhằm đo lường sức mạnh và hướng của các mối quan hệ tuyến tính giữa các cặp biến liên tục. Nói cách khác, tương quan Pearson đánh giá liệu có bằng chứng thống kê cho mối quan hệ tuyến tính giữa các cặp biến giống nhau trong tổng thể hay không. Trong bài viết này, hãy cùng Luận Văn 24 tìm hiểu chi tiết các bước chạy phân tích tương quan Pearson trong SPSS và cách đọc kết quả phân tích như thế nào nhé.

Mục lục ẩn

• 1. Khi nào sử dụng tương quan pearson
• 2. Yêu cầu dữ liệu
• 3. Ý nghĩa hệ số tương quan Person
• 4. Giả thuyết nghiên cứu
• 5. Thiết lập dữ liệu
• 6. Tiến hành chạy phân tích tương quan pearson trong SPSS
• 7. Ví dụ thực tế chạy phân tích tương quan Pearson
  • 7.1. Tình huống
  • 7.2. Thiết lập giả thuyết
  • 7.3. Tiến hành chạy thử nghiệm
  • 7.4. Đọc kết quả
  • 7.5. Kết luận

1. Khi nào sử dụng tương quan pearson

Tương quan Pearson thường được sử dụng để đo lường những điều sau đây:

• Mối tương quan giữa các cặp biến.
• Mối tương quan bên trong và giữa tập hợp các biến.

Mối tương quan Pearson chỉ ra những điều sau:

• Liệu mối quan hệ tuyến tính có ý nghĩa thống kê có tồn tại giữa hai biến liên tục hay không.
• Độ mạnh của một mối quan hệ tuyến tính.
• Chiều của mối quan hệ tuyến tính (tăng hoặc giảm).

Lưu ý: Tương quan Pearson hai biến không thể giải quyết các mối quan hệ hoặc mối quan hệ phi tuyến tính giữa các biến phân loại. Nếu bạn muốn hiểu các mối quan hệ liên quan đến các biến phân loại và / hoặc các mối quan hệ phi tuyến tính, bạn sẽ cần phải chọn một thước đo liên kết khác.

2. Yêu cầu dữ liệu

Để sử dụng tương quan Pearson, dữ liệu của bạn phải đáp ứng các yêu cầu sau:

• Hai hoặc nhiều biến liên tục (tức là, khoảng hoặc mức tỷ lệ)
• Các trường hợp phải có giá trị không bị thiếu trên cả hai biến
• Mối quan hệ tuyến tính giữa các biến
• Các trường hợp độc lập (ví dụ, sự độc lập của các quan sát). Không có mối quan hệ giữa các giá trị của các biến giữa các trường hợp.
• Tính chuẩn hai biến
• Mẫu dữ liệu được lấy ngẫu nhiên

3. Ý nghĩa hệ số tương quan Person

Hệ số tương quan Pearson có thể nhận bất kỳ giá trị nào trong phạm vi [-1, 1]. Dấu hiệu của hệ số tương quan cho biết hướng của mối quan hệ, trong khi độ lớn của mối tương quan (mức độ gần -1 hoặc +1) cho biết độ mạnh của mối quan hệ

• Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh
• Nếu r càng tiến về 0: tương quan tuyến tính càng yêu
• Nếu r = 1: tương quan tuyến tính tuyệt đối
• Nếu r = 0: không có mối tương quan tuyến tính

Nếu bạn thiếu kinh nghiệm hoặc thời gian để phân tích tương quan Pearson, tham khảo dịch vụ chạy SPSS của Luận Văn 24. Đội ngũ chuyên gia của chúng tôi có nhiều năm kinh nghiệm trong việc phân tích dữ liệu và sử dụng phần mềm SPSS, đảm bảo cung cấp cho bạn kết quả phân tích chính xác và đáng tin cậy.

4. Giả thuyết nghiên cứu

Khi phân tích tương quan Pearson, ta đặt giả thuyết như sau:

• Ho: r = 0, nghĩa là không có mối liên hệ tương quan tuyến tính
• H1: r ≠ 0, nghĩa là có mối liên hệ tương quan tuyến tính

Kết quả kiểm định:

• Sig < 0.05: Bác bỏ Ho, chấp nhận H1, kết luận hai biến có tương quan tuyến tính với nhau.
• Sig > 0.05: Chấp nhận Ho, bác bỏ H1, kết luận hai biến không có tương quan tuyến tính với nhau.

5. Thiết lập dữ liệu

Tập dữ liệu của bạn nên bao gồm hai hoặc nhiều biến số liên tục, mỗi biến được xác định là tỷ lệ, sẽ được sử dụng trong phân tích.

Mỗi hàng trong tập dữ liệu phải đại diện cho một chủ đề, người hoặc đơn vị duy nhất. Tất cả các phép đo được thực hiện trên người hoặc đơn vị đó sẽ xuất hiện trong hàng đó. Nếu các phép đo cho một đối tượng xuất hiện trên nhiều hàng bạn nên định hình lại dữ liệu của mình thành định dạng “rộng” trước khi tính toán các mối tương quan.

Một số bài viết liên quan mà bạn có thể sẽ cần:

• Hướng dẫn chạy spss 
• Cách chạy cronbach alpha trong spss
• Cách nhập dữ liệu trong spss
• Cách chạy hồi quy đa biến spss
• Cách chạy spss thống kê mô tả
• Kiểm định anova trong spss

6. Tiến hành chạy phân tích tương quan pearson trong SPSS

Để chạy tương quan Pearson hai biến trong SPSS, hãy nhấp vào Analyze > Correlate > Bivariate.

Cửa sổ Bivariate Correlations mở ra, tại đây bạn sẽ chỉ định các biến sẽ được sử dụng trong phân tích. Tất cả các biến trong tập dữ liệu của bạn xuất hiện trong danh sách ở phía bên trái. Để chọn các biến cho phân tích, hãy chọn các biến trong danh sách ở bên trái và nhấp vào nút mũi tên màu xanh lam để di chuyển chúng sang bên phải, trong trường Variables.

(A) Variables: Các biến được sử dụng trong Tương quan Pearson hai biến. Bạn phải chọn ít nhất hai biến liên tục, nhưng có thể chọn nhiều hơn hai.

(B) Correlation Coefficients: Có nhiều loại hệ số tương quan. Theo mặc định, Pearson được chọn. Việc chọn Pearson sẽ tạo ra thống kê thử nghiệm cho Tương quan Pearson hai biến.

(C) Test of Significance: Nhấp chọn Two-tailed hoặc One-tailed, tùy thuộc vào kiểm tra ý nghĩa mong muốn của bạn. SPSS sử dụng kiểm tra hai phía (two-tailed) theo mặc định.

(D) Flag significant correlations: Chọn tùy chọn này sẽ bao gồm dấu hoa thị (**) bên cạnh các mối tương quan có ý nghĩa thống kê trong kết quả đầu ra. Theo mặc định, SPSS đánh dấu ý nghĩa thống kê ở mức alpha = 0.05 và alpha = 0.01, nhưng không phải ở mức alpha = 0.001 (được coi là alpha = 0.01).

(E) Options: Nhấp vào Options sẽ mở ra một cửa sổ nơi bạn có thể chỉ định Statistics nào sẽ bao gồm (Giá trị trung bình và độ lệch chuẩn – Means and standard deviations, Độ lệch sản phẩm chéo và phương sai – Cross-product deviations and covariances) và cách giải quyết các Missing Values (Exclude cases pairwise hoặc Exclude cases listwise).

7. Ví dụ thực tế chạy phân tích tương quan Pearson

7.1. Tình huống

Kiểm tra xem liệu có mối quan hệ tuyến tính có ý nghĩa thống kê giữa hai biến số liên tục là cân nặng và chiều cao hay không. Sử dụng tương quan Pearson lưỡng biến để kiểm tra xem có mối quan hệ tuyến tính giữa hai biến này hay không, đồng thời xác định sức mạnh và hướng của mối liên kết.

Biến sử dụng:

• Height: Chiều cao
• Weight: Cân nặng

7.2. Thiết lập giả thuyết

Giả thuyết đặt ra:

Ho: r = 0, nghĩa là cân nặng và chiều cao không có mối quan hệ tuyến tính

H1: r ≠ 0, nghĩa là cân nặng và chiều cao có mối quan hệ tuyến tính

7.3. Tiến hành chạy thử nghiệm

Bước 1: Nhấp vào Analyze > Correlate > Bivariate.

Bước 2: Chọn các biến Height và Weight và di chuyển chúng vào hộp Variables.

Bước 3: Trong Correlation Coefficients, chọn Pearson. Trong Test of Significance tích chọn two-tailed. Ở phí dưới, chọn Flag significant correlations

Bước 4: Bấm OK để chạy Tương quan Pearson. Kết quả phân tích sẽ hiển thị trong trình xem đầu ra Output.

7.4. Đọc kết quả

Kết quả sẽ hiển thị các mối tương quan trong một bảng, có tên là Correlations. 

(A) Tương quan của height (chiều cao) với chính nó r = 1, và số lượng các quan sát hợp lệ cho chiều cao là n = 408.

(B) & (C) Tương quan giữa height  và weight r = 0,513, dựa trên n = 354 quan sát với các giá trị hợp lệ theo từng cặp.

(D) Tương quan của weight với chính nó r = 1, và số lượng quan sát hợp lệ đối với trọng lượng là n = 376.

Quan sát ta thấy:

• Các mối tương quan trong đường chéo chính (ô A và D) đều bằng 1. Điều này là do một biến luôn có tương quan hoàn hảo với chính nó. Tuy nhiên, lưu ý rằng kích thước mẫu khác nhau trong ô A ( n = 408) so với ô D ( n = 376). Điều này là do thiếu dữ liệu – có nhiều quan sát bị thiếu đối với weight  hơn là đối với height.
• Nếu bạn đã chọn flag significant correlations, SPSS sẽ đánh dấu mức ý nghĩa 0.05 bằng một dấu hoa thị (*) và mức ý nghĩa 0.01 với hai dấu hoa thị (0.01). Trong ô B (lặp lại trong ô C), chúng ta có thể thấy rằng hệ số tương quan Pearson đối với chiều cao và cân nặng là 0.513, có ý nghĩa ( p <0.001 đối với bài kiểm tra hai phía), dựa trên 354 quan sát hoàn chỉnh

7.5. Kết luận

Dựa trên kết quả, chúng tôi có thể nêu những điều sau:

• Cân nặng và chiều cao có mối quan hệ tuyến tính có ý nghĩa thống kê ( r = 0,513, p <0,001).
• Chiều của mối quan hệ là thuận (tức là chiều cao và cân nặng có tương quan thuận), nghĩa là các biến số này có xu hướng tăng cùng nhau (tức là chiều cao lớn hơn đi kèm với cân nặng lớn hơn).
• Độ mạnh của tương quan tuyến tính là vừa phải (r = 0,513).

Bài viết trên, Luận Văn 24 đã tổng hợp và chia sẻ đến bạn đọc toàn bộ quá trình phân tích tương quan Pearson hoàn chỉnh và áp dụng vào thực tế. Mong rằng bài viết sẽ giúp ích được cho bạn. 

3.7/5 (3 Reviews) CEO Alma Đặng Thu Trà

CEO Alma Đặng Thu Trà là một nhà hoạt động giáo dục trẻ nổi bật trong lĩnh vực giáo dục tại Việt Nam, là người sáng lập website luanvan24.com, nơi cung cấp đa dạng các dịch vụ viết thuê luận văn, báo cáo, tiểu luận, essay, assignment và đồ án tốt nghiệp, cùng với các dịch vụ phân tích và xử lý số liệu SPSS.