SPSS-4-多变量的描述性统计资料解读.ppt

第四讲 多变量的描述性统计 一、相关的概念 二、交互分类表 三、简化相关与消减误差 四、相关测量法和测量层次 一、相关的概念 案例： 在某地区调查1000名青年人的最大志愿，其中有40%的人选择快乐家庭、50%的人选择理想工作和10%的人选择增广见闻。我们要问：为什么这些青年的最大志愿会有不同？ 若同时调查了这些青年人的受教育水平，分为高（本科或以上程度）、中（高中程度）、低（初中或以下程度），人数比例分别为10%、60%和30%。我们可以追问：青年人的志愿与其受教育水平是否相关呢？换言之，是否因为教育水平不同，所以人生志愿也不同？ 一、相关的概念 二、交互分类表 Cross table 三、简化相关与消减误差 四、相关测量法和测量层次 1、两个定类变量：Lambda（λ） ,tau-y（τ） 四、相关测量法和测量层次 2、两个定序变量：Gamma , dy 四、相关测量法和测量层次 3、定类（序）变量—定距变量： Eta系数 四、相关测量法和测量层次 4、定距变量—定距变量： 积矩相关系数 R * * 一、相关的概念 1、相关：是指一个变量的值与另一个变量的值有连带关系。 换言之，如果一个变量的值发生变化，另一个变量的值也有变化，则两个变量就是相关了。 2、相关程度： 相关有强弱之分 0：无相关 1：完全相关 介于0与1之间的数值越大，表示相关的程度越强。 3、相关的方向： +0.8 -0.8 正相关—一个变量值越大，另一个变量值也越大。 负相关—一个变量值越大，另一个变量值却越小。 一、相关的概念 正相关 负相关 不相关 线性相关-正相关 非线性相关1 非线性相关2 4、相关除了注意强弱与方向这两个性质外，还要注意两个变量是否有因果关系。 两个变量的相关可能有因果关系（当原因变量发生变化时，结果变量也随着发生变化）； 两个变量的相关也可能没有因果关系，而是发生共同变化。 X → Y 一个变量为因X（称为自变量，Independent variable） 一个变量为果Y（称为因变量，dependent variable） 不对称关系（asymmetrical relationship）：变量X影响Y，而Y不影响X。 表示为： X → Y 对称关系（symmetrical relationship）：变量X和Y不确定或不区分影响的方向。表示为： X ←→ Y 1、交互分类表：同时根据两个变量的值，将所研究的 个案分类。 表 1000名青年人的教育水平与志愿 交互分类表又称列联表。 一般将自变量（如，教育水平）放在表的列（Columns，即表的顶端）；将因变量（如，志愿）放在表的行（Rows，即表的旁边）。 上表单元格中显示的是频数，而且表下端显示的总数也不相等，因而不利于进行比较；为求相互比较从而知道两个变量间的相互关系，就必须标准化；最常用的，将频数显示为百分比，就按照100进行了标准化，这样就利于比较了。 二、交互分类表 Cross table 2、SPSS的实现 Analyze → Descriptive Statistics → Crosstabs 在左图中将因变量志愿[y]选到行中（Row），将自变量教育水平[x]选到列中（Column）。 左图中Layer是分层变量框，如果还要考察不同性别的人关于志愿与教育水平的关系，可以将性别变量选入此框中，还可以进一步的分层下去。 二、交互分类表 Cross table 右图是志愿与教育水平的交互分类表，且只是频数表，没有显示百分比。 显示百分比：Analyze → Descriptive Statistics → Crosstabs → Cells 在左图左下角Percentages栏显示的就是百分比选项： Row：选中，显示行百分比；例：显示占行变量“志愿”中“快乐家庭”的总人数的百分比。 Column: 选中，显示列百分比；例：显示占列变量“教育水平”中“高”的总人数的百分比。 Total: 选中，显示总和百分比；例：显示占所有被调查人数的百分比。 1、相关系数（Coefficient