第十五章等级变项间的相关.DOC

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第十五章等级变项间的相关

第十五章  等級尺度變項間的相關 本單元目標 計算及解釋 Gamma (G) 、Somer’s D、Kendall’s tau-bSpearman’s Rho (rs)。 以PRE的觀念解釋Gamma。 用Gamma及Spearman’s Rho來分析及描述雙變項間的關係。 從事Gamma及Spearman’s Rho顯著測定的工作。 貳、前言   在一般研究資料中,以等級尺度來測量之變項有兩種型式。其中一種可稱之為「連續等級資料」(continuous ordinal data)。這種型式之資料和interval-ratio的資料相似,亦即此種等級尺度變項之等級有很多,幾乎像是連續性的,如職業聲望或是由許多指標組成的態度量表,即為這種例子。   第二種等級資料型式可稱之為「合併等級資料」(collapsed ordinal data)。這種資料的等級通常不超過5或6   在本章中,我們將只介紹幾個適合於這兩種等級資料之相關量數。適合合併等級資料之相關量數包括Gamma (G), Somers d, 及Kenalls tau-bSpearmans rho (rs)。(在社會學研究的實務上,我們也經常將此種連續等級變項,甚至合併等級變項,當成是interval-ration的變項,Pearson’s r來處理)   等級尺度變項間之相關測量就如同類別尺度變項間之相關測量一樣,要注意其量數之三個特徵: 1、相關是否存在? 2、相關程度之強弱。 3 參、Gamma (G)   在上章中提到了PRE(錯誤減少之比例)的觀念。此觀念用在類別變項間相關之測量即為Lamda (λ)。PRE在此情況下的邏輯是以兩種對應變項(Y)次數分配之預測:(1)不用自變項(X)之情況下做的預測;(2)利用自變項之訊息來做預測。Lamda是計算以第二種方式預測時,能減少多少第一種方式預測的錯誤。 將PRE運用在等級尺度變項間之相關測量時,有幾種不同的量數,其中之一即為Gamma (G)。PRE運用在兩等級尺度變項間之相關測量時,是要預測每對(每兩個)個案(cases)之相對等級在兩個等級尺度變項上是否一致。也就是說,如個案A在XB,則我們感興趣的是A,B是否在另一個等級變項Y   因此PRE運用在兩等級變項相關測量之步驟是:(1)先預測每對個案在一個等級變項(如Y)中之相對等級的高低。做預測時是在完全不知此對個案在另一等級變項(如X)之相對等級。(2)將此對個案在 X 變項中之等級變項中之相對等級考慮進去後,再度預測它們在 Y 變項中之相對等級。如果 X 與 Y 是X 變項中每對個案之相對等級後,也就可毫無錯誤的預測它們在 Y 變項之等級。但如X,Y毫無相關,則知道在 X 變項中之相對等級,將對預測同一對個案在 Y 變項之相對等級毫無幫助,所犯下猜測之錯誤自不會因為知道它們在X變項的情況而減少 X 變項的相對等級,應該會減少我們預測此對個案在 Y 變項所犯的錯誤。且相關越強時,所犯的錯誤會越少。   等級尺度變項間之相關量數Gamma是以0來表示無相關±1 來表示正和負的完全相關。正相關的情況是當個案的相對等級在兩個等級尺度變項是傾向於相同時;反之,則為負相關。也就是說,正相關是個案在一個等級尺度變項的分數也傾向高時,在另一等級尺度變項的分數也高。反之,如果是在一等級尺度變項的分數高,但在另一等級尺度變項的分數卻傾向為低時,則為負相關。   在計算Gamma時,要先知道兩等級尺度變項之交叉表的型式為何,要注意的是兩變項之等級是如何呈現在表上的,以下表為例,X 變項是由左向右排低、中、高;YX、Y X Y 低(Low) 中(Moderate) 高(High) 低 (Low) LL ML HL 中 (Moderate) LM MM HM 高(High) LH MH HH   如果交叉表是如上表之型式,則我們以下列步驟計算Gamma: 先算出有多少對個案在兩變項之相對且有高低之分的等級是一致的(即Ns),以及有多少對在兩變項之相對且有高低之分的等級是不一致的(即Nd)。如果一對個案在兩個變項中的一個變項上是同一等級而無法分出高低,就不算入Ns或NdNs及Nd 服務年資 倦怠感 低(Low) 中(Moderate) 高(High) 合計 低 (Low) 20(LL) 6(ML) 4(HL) 30 中 (Moderate) 10(LM) 15(MM) 5(HM) 30 高(High) 8(LH) 11(MH) 21(HH) 40 合計 38 32 30 100   找出Ns之方法是,先從兩變項中等級最低之格起,即表一中之LL格,在表二此格有20個個案。這20人是在服務年資及倦怠

文档评论(0)

peain + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档