引言
世界睡眠医学协会已将 3 月 21 日定为世界睡眠日 , 长期失 眠会使人感到疲劳，一整天感觉精力不足，工作和学习的效率是 非常低。甚至会导致自主神经功能紊乱，造成体内各种系统的不 平衡和各种问题。在越来越多的人开始失眠，影响睡眠质量的因 素也是各式各样，而现在很多人认为性格与睡眠质量有关。为判 断性格是否与睡眠质量有关，让人们更理性的认识性格与睡眠质 量的关系。从而，更好地解决人们失眠的问题。
1 数据的准备
在人群中随机选取 6000 组，用 0，1，2，3 来表示人们的睡 眠质量，0 代表睡眠质量相当好，1 表示睡眠质量较好，2 表示睡 眠质量一般，3 表示睡眠质量差。在选取影响因素时，引入年龄， 可靠性，神经情况，紧张程度与性别作为对照组。影响因素为百 分制，分值越高表示越好，越低表示越差。
2 数据的处理
SPSS（社会产品即服务解决方案）是全球公认的最优秀的统 计分析软件包之一，将数据导入 SPSS，将变量视图的数据类型从 字符串换为数值。相关分析是研究变量间密切程度的一种常用统 计方法选择数据视图中的分析里面的相关的双变量。继续选择相 关系数的类型。衡量随机变量相关性的度量主要有三种：pearson 相关系数、 spearman 相关系数、kendall 相关系数。
2.1Pearson 相关系数
Pearson 相关系数用于双变量正态分布的数据，用来衡量两 个数据集合是否在一条线上面，或用来衡量定距变量间的线性关 系 . 对数据进行相关分析之前，我们可以先对其绘制散点图，以 考察两变量的真实变化关系，散点图完成后再计算变量之间的相 关系数，对相关系数进行假设检验，以量化形式表示变量间的相 关关系。
2.2Spearman 秩相关系数
Spearman 秩相关是常用的非参数相关分析（秩相关），当两 变量不符合双变量正态分布的假设时，需用 Spearman 秩相关来 描述变量间的相互变化关系 . 此时，散点图上散点的分布形态不 能完全描述两变量间的相关关系。
2.3Kendall 相关系数
Kendall 相关系数是等级相关系数，是用于反映分类变量一 致性的指标，只能用于多列变量均属于有序分类时情景 . 而针对 于睡眠质量与各影响因素的分析，由于各变量与睡眠质量之间不 存在明显的正态分布，并且不是多列变量均属于有序分类。从而 确定使用 spearman 秩相关系数计算方法来确定变量与睡眠质量之 间的相关性。
Spearman 相关系数对分类变量的数据或变量值的分布明显非 正态或分布不明时使用，于是得出表格。
3 表格的分析
在统计学上，一般来说，反映相关关系的相关系数若在 0.40 以下为低相关； 0.40 ～ 0.70 为较显著相关；0.70 ～ 0.90 为显著相关；0.90 ～ 1 则为最高相关 [4]。
当显著性值 <0.01 时为相关性高度显著，而当 0.01< 相关性 <0.05 时为相关性显著，当相关性 >0.05 时为相关性不明显， 或者说是基本不相关。
通过这个表我们可以看出年龄，可靠性，神经情况，紧张 程度与睡眠质量的显著性值都 <0.01 于是可以的得出年龄，可 靠性，神经情况，紧张程度与睡眠质量相关性高度显著，且相 关性较高。
4 结论
由于性格与睡眠质量的相关性不显著，从而可以得出结论 性格对睡眠质量几乎没有影响。从而，目前解决睡眠质量的问 题可以基本排除性格的影响。大众也可以不用担心因为性格原 因引起失眠问题。
参考文献：
[1] 吴世军 .SPSS 在数据分析中的应用 [J]. 统计与决 策 ,2006(09):160-161.
[2] 孙逸敏 . 利用 SPSS 软件分析变量间的相关性 [J]. 新 疆教育学院学报 ,2007(02):120-123
[3] 孙逸敏 . 利用 SPSS 软件分析变量间的相关性 [J]. 新 疆教育学院学报 ,2007(02):120-123
[4] 胡盛强 , 张毕西 , 欧江艳 .SPSS 相关分析与线性 回归分析在我国物流业增加值分析中的应用 [J]. 物流科 技 ,2009,32(07):92-95.
论文作者:陈永杰 1,2，黄静 1,3，余静 1,4，薛玲 1,5*
论文发表刊物:《红地产》2017年7月
论文发表时间:2018/4/2
标签：变量论文; 系数论文; 相关性论文; 睡眠质量论文; 数据论文; 性格论文; 正态分布论文; 《红地产》2017年7月论文;