第8章 相关分析.pdfVIP

第 8 章 相关分析 8.1 相关分析的理论与方法 社会经济现象总体数量上所存在的依存关系有两种不同的类型，一种是函数关系，一种 是相关关系。函数关系是指当某一变量的数值确定之后，另一个变量的数值也完全随之而确 定了。例如电路中的欧姆定律表述了电压、电阻和电流之间的关系：电压＝电流×电阻，若 已知其中两个变量的值，则另一个变量的值就被唯一确定了。 相关关系是不完全确定的随机关系。在相关关系的情况下，当一个或几个相互联系的变 量取一定的值时，与之相应的另一变量的值虽然不确定，但它仍然按某种规律在一定的范围 内变化。例如，商品需求与商品价格之间的关系、投资额与国民收入之间的关系、得病率与 性别的关系等等。 按照数据度量尺度的不同，相关分析的方法也不同。连续变量之间的相关性常用 Pearson 简单相关系数来测定；定序变量的相关性常用 Spearman 秩相关系数或 Kendall 秩相关系数 来测定；而定类变量的相关分析则要使用列联表分析方法。 8.1.1 连续变量的相关分析 1. Pearson 简单相关系数 对于像投资额、国民收入等连续变量之间的相关性分析常用 Pearson 简单相关系数来测 定，其基本公式如下： 2 σ xy r σ σ x y 2 其中，σ 为变量x 和y 的协方差，σ 和σ 分别为变量x 和y 的标准差。 xy x y r Pearson 简单相关系数 有如下的特征： r ≤1 ， r 越大表示两变量相关性越强， r 越小表示两变量相关性越弱 r 0 时，表示两变量不存在线性相关关系 r 1时，表示两变量完全正相关 r =−1时，表示两变量完全负相关 2. Pearson 简单相关系数的检验 在实际分析中，相关系数大都是利用样本数据计算的，因而带有一定的随机性，因此也 需要对相关关系的显著性进行检验，该检验的原假设为两总体相关系数等于 0 。 数学上可以证明，在原假设得到满足的条件下，有下面的 t 统计量： r n −2 t 1−r2 该统计量服从自由度为n −2 的 t 分布。 8.1.2 定序变量的相关分析 对于定序变量的相关性分析，例如分析勤奋程度与成就高低的关系、信用等级与贷款收 回情况的关系等等都不能用简单相关系数来测定，而要用秩相关的非参数方法来实现，即不 使用变量的原始数据，而使用原始数据的秩来计算相关系数。 1. Spearman 秩相关系数 假设有容量为n 的由x 和y 两个变量构成的随机样本。分别计算每个观测关于变量x 和 y 的秩变量u 和v (i 1,2, Ln) ，用d u −v 表示第i 个样本对应于两变量的秩之差，则 i i i i i Spearman 秩相关系数的公式如下： n 6∑di2 i 1