相關分析.docVIP

相關分析 在許多調查研究中，我們常常需要就實驗中的每一實驗單位觀察兩個或兩個以上的變數，以決定是否可以從其他的變數衡量預測另一主要變數的情形。相關分析是利用來衡量兩個隨機變數之間”直線關係”的方向與強弱程度 正如我們在本章的簡介中所提到，在某些狀況下，決策制定者對二變數之關係的方程式的關切，可能不如其對二變數之關係程度的關切。在這種情形下，我們可以使用相關分析來決定二變數之間關係的強度（在相關分析裡，與均假設為隨機變數）。相關分析的結果為一稱為相關係數(correlation coefficient)的數字。由於其定義，相關係數的值恆介於-1與+1之間。+1表示與為完全正向線性相關；換包話說，所有的點落於斜率為正的直線上。-1表示與為完全負向線性相關；換句話說，所有的點落於斜率為負的直線上。若相關係數的值非常接近零，則表示與無線性關係。 ◎共變異數 樣本共變異數(sample covariance)的定義式如下： 在本公式中，各個值均與一個值配對。先計算對其樣本平均數之離差與所對應的對其樣本平均數之離差的乘積，然後對這些乘積加總，最後再除以。 母體大小為時共變異數計算公式與(15.26)式類似，但我們使用不同的符號以表明處理的是整個母體。 在(15.27)式中，為變數的母體平均數，而為變數的母體平均數。樣本共變異數為以樣本大小為的樣本為基礎的母體共變異數之估計值。 ◎相關係數 對樣本資料而言，皮爾森積矩相關係數(Pearson Product Moment correlation coefficient)的定義如下： (15.28)式顯示樣本資料的皮爾森積矩相關係數(一般簡稱為樣本相關係數})為樣本共變異數除以的標準差與的標準差之乘積。 當使用計算機計算樣本相關係數時，我們較常用(15.29)式。因為在該式中，不需要計算各個與之離差，因而四捨五入所產生的誤差較少。 (15.28)式與(15.29)式在代數上是相等的。 母體相關係數(rho希臘字母，發音與”row”相同)的計算公式如下： ◎由迴歸分析結果決定樣本相關係數 假設最小平方估計迴歸方程式為，則可利用下述二公式之一計算樣本相關係數： 我們注意到樣本相關係數的正負號與估計迴歸方程式之斜率的正負號相同。 EXCEL 應用（相關） STEP 2：接著出現共變數的對話框，如圖15.16輸入適當值，並選取輸出新工作表，命名為「共變數結果」，後按下「確定」。 STEP 3：出現如圖15.17的結果。 STEP 4：再回到原來的資料工作表上，選取「工具」、「資料分析」、「相關係數」，後按下「確定」。 STEP 5：如圖15.18輸入適當值，並選取一新工作表並命名為「相關結果」。 STEP 6：出現如圖15.19的結果；北市消費者物價指數（總指數）的變異數為350.00，衣著類指數之變異數為30.59，他們的共變異數為50.31，相關係數為0.49，從相關係數得知，總指數與衣著類指數之關聯強度為0.49。 ◎顯著性檢定 樣本相關係數是母體相關係數的點估計式，以代表母體相關係數，則可進行下述的假設檢定： ： ： 以檢定與之間的線性關係之顯著性，我們可證明檢定上述假設與檢定迴歸方程式的斜率之顯著性為相同的。而後者之假設為 ： ： 統計學家已建立一檢定程序檢定下述假設，但不需借助迴歸研究： ： ： 統計結果證明，若為真，則 的值為自由度為的分配。 EXCEL 應用（相關係數的假設檢定） ◎母體相關係數等於0 如果我們從等於0的母體裡，隨機抽樣，計算這個樣本的相關係數，當樣本數很大時（如大於30），且這兩個變項為雙變項常態分配，樣本相關係數的檢定就可以用檢定。即。這個求得的值大於雙尾檢定的臨界值1.65，和單尾檢定的臨界值1.65。因此，我們可以說母體的相關係數不是0。換句話說，8歲的體重與20歲的體重的確有相關。因為樣本數只有10，嚴格說來並不適用於檢定，而要用以下的檢定，即。這個求得的值大於自由度為8的分配的雙尾臨界值2.31，或單尾檢定的臨界值1.86；因此，我們可以宣稱母體的相關係數不是0。 ◎母體相關係數等於不是某個不是0的值 如果母體的相關係數不是0，那麼就要經過Fisher的z轉換，才能進行假設檢定，例如有理論或是前人的研究指出母體的相關係數為0.6，要檢定這個假設是否成立，我們可利用EXCEL中的統計函數「FISHER」來進行z轉換。 STEP 1：在EXCEL工作表中，將位址移至任一空白位址上，然後選取「插入」、「函數」、「統計」、「F