第六章相关分析.pptVIP

第六章 相关分析 一、相关分析的概念 研究变量间密切程度的一种常用统计方法 1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。(详见下面） 2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系 3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远 二、线性相关分析 研究两个变量间线性关系的程度。相关系数是描述这种线性关系程度和方向的统计量，用r表示。 如果变量Y与X间是函数关系，则r=1或r=-1;如果变量Y与X间是统计关系，则-1r1, 如果x,y变化的方向一致，如身高与体重的关系，则称为正相关，r0，如果x,y变化的方向相反，如吸烟与肺功能的关系，则称为负相关，r0； 而r=0表示无线性相关，一般地， |r|0.8 存在高度相关； 0.5? |r|0.8 显著相关； 0.3? |r|0.5 低度相关； |r|0.3 关系极弱，认为微相关 线性相关分析（续） 相关系数的计算有三种:Pearson、Spearman和Kendall Pearson相关系数：对定距变量的数据进行计算， Spearman和Kendall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，计算时先对离散数据进行排序或对定距变量值排（求）秩。 相关系数的意义与计算 1. 意义：相关系数（correlation coefficient）又称Pearson积差相关系数，用以符号r表示样本相关系数，符号 表示其总体相关系数来说明具有直线关系的两变量间相关的密切程度与相关方向。 相关系数没有单位，其值为-1≤r≤1。r值为正表示正相关，r值为负表示负相关，r的绝对值等于1为完全相关，r=0为零相关。 2. 计算：样本相关系数的计算公式为 适用条件 （1）两变量均应由测量得到的连续变量。 （2）两变量所来自的总体都应是正态分布，或接近正态的单峰对称分布。 （3）变量必须是成对的数据。 （4）两变量间为线性关系。 3、相关分析应用中应注意的问题 样本相关系数接近零并不意味着两个变量间一定无相关性； 一个变量的值人为选定时莫作相关分析 出现异常值时慎作相关分析 相关未必真有内在联系 相关分析时，小样本资料经检验只能推断两变量间有无直线关系，而不能推断其相关的密切程度。要推断两变量间相关的程度，样本含量必须足够大。尤应注意，若两变量间相关系数具有统计学意义，但较小时，下结论要慎重。 （二）Spearman等级相关 变量间的秩相关 1、秩次和秩和 “秩”即按数据大小排定的次序号，又称秩次号。编秩就是将观察值按顺序由小到大排列，并用序号代替原始变量值本身。用秩次号代替原始数据后，所得某些秩次号之和，即按某种顺序排列的序号之和，称为秩和。设有以下两组数据： A组 4.7 6.4 2.6 3.2 5.2 B组 1.7 2.6 3.6 2.3 3.7 两组各有5个变量值。现在依从小到大的顺序将它们排列起来，并标明秩次，结果如下： A组 2.6 3.2 4.7 5.2 6.4 B组 1.7 2.3 2.6 3.6 3.7 秩次 1 2 3 4 5 6 7 8 9 10 原始值中有两个“2.6”，分属A、B组，它们的秩次应是3和4，然而它们的数值本来是同样大小的，哪组取“3”，哪组取“4”呢？我们计算它们的平均数（3+4）/2=3.5，作为“2.6”的秩次，称为“平均秩次”，这样才公平合理。这样两组所得的秩次及秩和如下： A组 3.5 5 8 9 10 /35.5 B组 1 2 3.5 6 7 /19.5 上面A组和B组中各有五个原始值，按顺序排列：最小值设为1，再按绝对值大小对余下的变量逐个排序，最大值为两组变量个数之和10。依次可得1，2，3.5,3.5,5,6,7,8,9,10。这10 个序号即是秩次。A组秩和就是等于3.5+5+8+9+10=39.5，B组秩和就是等于1+2+3.5+6+7=19.5。从两组的原始变量值也可以初步看出：A组偏大，B组偏小。现在得出的秩和也是A组大于B组，与由变量值所观察到的一致。 2、怎样编秩 编秩就是将观察值按顺序由小到大排列，并用序号代替原始变量值本身。不同的实验设