第五章相关关系技术分析.ppt

第五章 相关关系 本章目录 第一节 相关、相关系数与散点图 第二节 积差相关 第三节 等级相关 第四节 质量相关 第五节 品质相关 第六节 相关系数的选用与解释 相关系数用于描述双变量数据相互之间的关系。 双变量：对于一个变量X的每一个观测值X1，X2，…，XN，同时有另一个变量Y的相应观测值Y1，Y2， …，YN与之对应。 双变量总体(bivariate population)：由成对变量所组成的集合。 第一节 相关、相关系数与散点图 一、什么是相关 （一）事物之间的相互关系 因果关系 共变关系 相关关系 （二）相关的类别 正相关：两列变量变动方向相同。 负相关：两列变量变动方向相反。 零相关：两列变量变动方向无一定规律。 二、相关系数 相关系数(coefficient of correlation)：两列变量间相关程度的数字表现形式，是用来表示相关关系强度的指标。 样本统计量：r 总体参数：ρ 相关系数的取值： -1≤ r ≤+1；0≤∣r∣≤1 1.相关系数r的取值范围介于﹣1.00至+1.00之间，它是一个比率，常用小数形式表示。 2.相关系数的“+、﹣”号表示双变量数列之间相关的方向。 3.相关系数r=+1.00时表示完全正相关，r=﹣1.00时表示完全负相关；r=0时表示完全独立。 4.相关系数取值的大小表示相关的强弱程度。 相关系数的性质 相关系数不是由相等单位度量而来的，因此只能比较大小，不能做任何加、减、乘、除运算。 在对相关程度做判定时应注意： ①要把样本量大小与相关系数取值大小综合起来考虑； ②一般要经过统计检验方能确定变量之间是否存在显著的相关； ③若是非线性相关关系，而用直线相关计算r值可能很小，但不能说明两变量关系不密切。 表5-1 五名学生四种测验的分数 三、散点图 散点图：相关图，在平面直角坐标系中，以X、Y二列变量中的一列变量（X变量）为横坐标，以另一列变量（Y变量）为纵坐标，把N对数据Xi、Yi当作同一个平面上的N个点(Xi, Yi)，一一描绘在XOY坐标系中，所产生的图形。 散点图通过点的散布形状和疏密程度来显示两个变量的相关趋势和相关程度，能够对原始数据间的关系做出直观而有效的预测和解释。 第二节 积差相关 一、积差相关的概念与适用资料 积差相关是英国统计学家皮尔逊（Pearson）于20世纪初提出的一种计算相关的方法，因而被称为皮尔逊积差相关（皮尔逊相关），也称为积矩相关（product moment correlation）。 积矩 X的离均差和Y的离均差二者乘积的总和除以N。 积差相关的适用范围 成对数据； 两列变量总体都为正态分布，至少应是接近正态的单峰分布； 两个变量都是连续数据，也即两列数据都是测量数据； 两列变量之间的关系应为线性关系。 积差相关条件的判断方法 连续变量： 根据得到数据的方式判断，测量数据 正态分布： 一般情况下，正常人群的身高、体重、智力水平、心理与教育测验的结果，都可按总体正态分布对待；如果要求比较高，则需要对数据进行正态性检验。 线性关系 根据相关散布图可判断两个变量之间是否线性关系。 二、计算积差相关系数的基本公式 （一）运用标准差与离均差的计算公式 （二）运用标准分数计算相关系数的公式 协方差(covariance)：两个变量离均差乘积的平均数。 （三）原始观测值计算公式 解： 用离均差 用标准分数 相关系数 三、计算积差相关系数的差法公式 （一）减差法 （二）加差法 减差法 加差法 四、相关系数的合并 求平均的相关系数，一般采用Z-r转换法。 具体步骤 （1）查费舍Z-r转换表，先将各样本的r转换成费舍Z分数 （2）求每一样本的Z分数之和 （3）求平均Z分数，即 （4）再查费舍Z-r转换表，将 转换成相应的r值。 【例5-2】 表5-6是来自同一总体的三个样本的相关系数，求平均相关系数。 表5-6 相关系数的合并 第三节 等级相关 适用范围 等级顺序的测量数据； 搜集到的数据是等距或等比的数据，但其总体分布不是正态。 由于等级相关对变量的总体分布不作要求，故等级相关也称非参数的相关方法。 一、斯皮尔曼等级相关 （一）适用资料 斯皮尔曼等级相关，常用符号rR或rS表示，有时也称之为斯皮尔曼ρ系数。 适用范围 适用于只有两列变量，而且是属于等级变量性质的具有线性关系的资料，主要用于解决称名数据和顺序数据的相关问题。 缺点： 一组能计算积差相关的资料若改用等级相关计算，精确度要差于积差相关。因此，凡符合计算积差相关的资料，不要用等级相关计算。 （二）计算公式 1.等级差数法（N30） 2.等级序数法 【例5-3】 现有10人的视、听两种感觉通道的反应时（单位：毫秒），数据见下表。问视