积差相关.doc

积差相关 　　研究两种现象，两种行为或两个事物，一句话，研究两个变量之间的相关情况时，积差相关是应用最普遍、最基本的一种相关分析方法，尤其适合于对两个连续变量之间的相关情况进行定量分析。 一、积差相关概念及基本公式 　　英国著名统计学家皮尔逊 （K Pearson）跟随英国著名科学家高尔顿（F Galton）在合作研究有关人类身高遗传问题的过程中，提出了“回归”的概念以及积差相关分析方法。　　对于两个连续的变量（比率变量或等距变量），例如父辈的身高变量和子辈的身高变量之间有什么连带关系；学生的体重与身高变量之间有什么连带关系；不同学科成绩之间有什么样的相互关联；人的智力发展水平同学业成就之间相关程度如何等等，通过观测研究，可以用积差相关分析的方法，定量地描述两个变量之间的相关强度与方向。　　设有两个变量X和Y ，其n 个观测点的成对数据不妨记为 。基于这些成对的观测数据，我们可以计算成对的观测数据离差均值，即有： 　　　　 　　式中： 　　基于上述观测数据离差值乘积所得结果进行相关分析的方法，称为积差相关。计算积差相关系数的基本公式是： 　　　　　　　　　　 　　式中： 表示双变量（X，Y）数据之间的积差相关系数； 是各对观测数据的离差值乘积之和； 是变量X观测数据离差值自乘积之和，即离差平方和；同理可知，是变量Y 的离差平方和。 　　因此，积差相关系数基本公式（4-1）也可以用下式表达： 　　　　　　 二、积差相关系数计算方法 　　积差相关系数基本公式（4-1）和公式（4-2）结构对称，容易掌握，但在具体计算时，其计算量却不少，需要分步计算，最后综合。主要步骤归纳起来是： 　　（1）计算平均和； 　　（2）计算离差值和； 　　（3）计算各对离差值乘积以及乘积之和； 　　（4）计算数据的离差平方和，即； 　　（5）计算数据的离差平方和，即； 　　（6）把上述有关结果代入公式(4-1)或公式(4-2)，求出。 　　为了有条不紊地计算相关系数，通常采用列表的方式逐个计算，这也便于检查是否计算出错以及错在何处。设计的表格一般要有７个栏目，分别记录有关数据，而在表格的最后一行进行总计。下面举一例子，说明积差相关系数的基本计算方法。　　[例1]　随机观测15名高一学生在语文推理测验X和数字推理测验Y 上的成绩（两个测验的满分均为70分），其结果如表4-1中第1、第2栏所示，试求该两个测验分数之间的积差相关系数。　　[分析计算]　根据公式（4-1）及上述归纳步骤进行表上操作。 　　第一，准备一个表格如表4-1，共7个栏目，从左到右依次登载有关数据和。 　　第二，在表4-1最底端空出一行，用以登载有关数据连加和的结果，从左到右依次是 　　第三，从已知的15对观测数据出发，根据公式（4-1）的结构，先计算出和 , 和，并把这4个数据登记在最后一行所对应的总计格子里。 　　第四，按表4-1结构内容，从左到右，逐个栏目地完成有关计算，最终得到需要的数据，依次是 　　第五，在表格外面，把第四步得到的三个数据代入公式（4-1）或公式（4-2），计算出积差相关系数。 　　一般说来，上述各步计算都可借助计算器来进行。 ? 表4-1? 计算积差相关系数表格法示例1 ? Yi 31 32 -1.4 -6.73 1.96 45.2929 9.422 23 8 -9.4 -30.73 88.36 944.3329 288.862 40 69 7.6 30.27 57.56 916.2729 230.052 19 21 -13.74 -17.73 179.56 314.3529 237.582 60 66 27.6 27.27 761.76 743.6529 752.652 15 41 -17.4 2.27 302.76 5.1529 -39.498 46 57 13.6 18.27 184.96 333.7929 248.472 26 7 -6.4 -31.73 40.96 1006.7929 203.072 32 57 -0.4 18.27 0.16 333.7929 -7.308 30 37 -2.4 -1.73 5.76 2.9929 4.152 58 68 25.6 29.27 655.36 856.7329 749.312 28 27 -4.4 -11.73 19.36 137.5929 51.612 22 41 -10.4 2.27 108.16 5.1529 -23.608 23 20 -9.4 -18.73 88.3