spss分类变量如何处理（两个有序分类变量的相关分析及SPSS操作）

案例来源：中华护理杂志2018年3期

2型糖尿病（T2DM）患者授权能力与医疗支持的相关性研究。

方法：通过单纯随机抽样选取2016年1月—4月某省市8所三级甲等综合医院就诊2型糖尿病患者作为研究对象。采用一般资料调查表、糖尿病授权评分表糖尿病态度、期望、需求简化版（DES-DSF）和患者慢性病评估量表糖尿病态度、期望、需求简化版（PACIC-DSF），调查2型糖尿病患者的一般资料、授权能力及医疗支持情况。

若要探讨患者授权能力与医疗支持的相关性，则需要用到双变量的相关分析。如果两组数据均为符从正态分布的连续变量，并且存在线性关系，则选用皮尔逊相关分析；若数据不服从双变量正态分布，则选用斯皮尔曼相关分析；若数据为两个有序分类变量，则选用Kendall's tau-b相关分析。这节主要介绍两个有序分类变量的Kendall's tau-b相关分析。

1.先将得分数据进行分类：

授权能力得分：0代表≤40分，1代表41-60分，2代表＞60分。

医疗支持得分：0代表≤30分，1代表31-40分，2代表＞40分。

在输出变量名称框中填入‘授权能力得分分组’，标签处也可以命名为此，点击变化量，即可实现‘授权能力得分-授权能力得分分组’的变量命名。

点击旧值和新值，从得分最低到最高依次进行变换，从最低到值填入40，在新值框中填入‘0’，点击添加，即可完成得分小于等于40的患者分组。

按照以上操作完成授权能力得分的分组，如下图所示，点击继续，确定。

2.相关分析

经过分组之后的授权能力得分与医疗支持得分都是有序分类的，并且两个变量来源于同一个个体，即是配对变量。对于这种情况，需要采用Kendall's tau-b相关分析。

将授权能力得分和医疗支持得分选入变量栏，相关系数栏去掉皮尔逊的选择，勾选肯德尔tau-b，显著性检验选择双尾，点击确定。

3.结果解读

由结果可以看出：授权能力得分与医疗支持得分的相关系数为0.259，P=0.005，说明两者之间是存在正相关关系的。

注意：两者只是正相关关系，不是因果关系，因此不能说医疗支持得分高导致授权能力得分高。

SPSS提供了三种双变量间相关分析的方法，每种方法都有其不同的适用情况。当两变量间呈线性相关时，可以采用皮尔逊相关系数，不满足皮尔逊相关分析的适用条件时，可以考虑采用斯皮尔曼相关系数；斯皮尔曼相关系数对原始变量的分布不做要求，属于非参数统计方法，适用范围更广一些，但是统计效能比皮尔逊相关系数要低；肯德尔tab-u系数则广泛用于两变量都为有序分类资料的情况。#清风计划# #健康真探社#

问题反馈

如您遇到有关统计学的问题，可以通过邮件联系我们。

通过邮件发送您的问题，我们第一时间为您解答。

NursingCare01@126.com