统计软件spss操作3_常用假设检验与相关分析.pptVIP

四、相关分析（各类变量） 一）基本概念 相关分析是用来衡量变量之间相互影响的程度的。一般来说相关系数的值在-1和+1之间。绝对值越大表示相关程度越大，0表示不相关。 连续变量之间：积矩相关（Pearson相关），有时也可以用Spearman等级相关。 有序变量之间：Gamma、Kendall‘ Tau-b、Sommer’ D，当然也有Spearman等级相关。 名义变量之间：列联系数、Phi、Cramer’s V、Lambda。 四、相关分析（各类变量） 二）SPSS基本过程 主要分布在两大类： “交叉表—统计量”子对话框； “分析”—“相关”。 三）示例： 四、相关分析（各类变量） 例1：考察CCSS信心指数和年龄的相关。 分析： 因为是连续变量，应该选用积差相关系数； 积差相关是一种线性相关，在计算之前要先核实是否有线性关系；（方法：用“散点图”） 异常值对积差相关影响很大，必要时应该剔除，以避免由一两个数值导致错误的结论。 积差相关还要求联合正态分布，但此要求较宽松。 操作： “图形”—“图形构建程序”—“库-散点图”； 双击图形进入编辑状态，“元素”—“总计拟合线”； “分析”—“相关”—“双变量” 四、相关分析（各类变量） 例2：考察CCSS信心指数和年龄的秩相关。 分析： 连续变量如果难以满足线性相关和联合正态分布，可选用等级相关系数Spearman， Kendall‘ Tau-b，属于非参数相关； 连续变量降格等级相关系数，或秩相关，效能差些； 上例的秩相关为 -0.213，相比于积差相关，数值偏小； 上例的Kendall‘ Tau-b为 -0.152，相比于积差相关，数值偏小。 四、相关分析（各类变量） 例3：控制家庭收入Qs9之后，再考察CCSS信心指数和年龄的秩相关。 分析： 因为收入与信心指数也是负相关的，它们的关系有“年龄—收入—信心”和“年龄”—“信心”； 与分层卡方相似，相关分析可以控制某个变量，计算偏相关，其公式是： 操作： 四、相关分析（各类变量） 操作： “分析”—“相关”—“偏相关” 结果解读： 与直接的相关系数相比略为减小，但仍然可以确认年龄与信心之间的负相关关系。 五、连续变量的统计推断：单因素方差分析 一）基本概念 基本功能是解决多组数据（对应于某个分类变量的多个水平或类别）的均值是否有显著差异，从而揭示两个变量之间是否有关系；由Fisher创立 （同时比较均值要比两两比较均值犯错率低很多） 基本原理（思想）是把总变异分解为随机变异和处理因素导致的变异： 五、连续变量的统计推断：单因素方差分析 二）基本的应用条件 观察对象是来自所研究因素的各个水平下的独立随机抽样（Independence）； 每个水平下的应变量应当服从正态分布（Normality） 各水平下的总体具有相同的方差（Homoscedascity） 使用Levene方法检查这几个条件 如果数据不满足，可尝试变量变换 各组样本容量的均衡性能弥补正态性和方差齐性不足的影响，此时方差分析是稳健的。 五、连续变量的统计推断：单因素方差分析 三）应用实例： 例1 不同时点消费者信心指数的比较分析。 操作： 在应用前要注意其应用条件，可先比较其均值 “分析”—“比较均值”—“均值” 选择“分析”—“比较均值”—“单因素方差分析” ”时间“ 为因子，”信心“ 为因变量。 五、连续变量的统计推断：单因素方差分析 三）应用实例： 例1 不同时点消费者信心指数的比较分析。 操作： 选择“分析”—“比较均值”—“单因素方差分析” ”时间“ 为因子，”信心“ 为因变量。 结果解读： 数据满足方差齐性 4个时点的均值存在差异（时间有影响） 五、连续变量的统计推断：单因素方差分析 三）应用实例： 例1延伸分析 因为信心指数有差异，进一步研究不同时点信心指数的两两比较。 操作： 选择“分析”—“比较均值”—“单因素方差分析” 方法选择的考虑： 事先计划好的两两分析用LSD或Bonferroni； 事后要进行多个试验组和一个对照组比较，用Dunnet；任意两两比较且样本容量相同，用Tukey；样本量不同用Scheffe。 五、连续变量的统计推断：单因素方差分析 三）应用实例： 例1延伸分析 因为信心指数有差异，进一步研究不同时点信心指数的两两比较。 结果读解： 可以分成三个同质子集 但是这个结果让多重分析出现矛盾的结论 不能犯”秃子头发“笑话 五、连续变量的统计推断：单因素方差分析 四）扩展：多因素方差分析 六、有序分类变量的统计推断：非参数检验 一）概述 1、当不知道样本所来自的