第七章相关分析总论.ppt

第七章 相关分析 一、相关的意义 二、积差相关 三、等级相关 四、质与量相关 五、品质相关 一、相关的意义 1、相关的概念 2、 相关系数 相关的概念 两变量之间不精确、不稳定的变化关系称为相关关系。它与函数关系的区别就在于两个变量值不是一一对应得那样精确、稳定。 两个变量之间的变化关系，既表现在变化方向上，又表现在密切程度上。 从变化方向来看，两个变量间有以下几种关系： （1）正相关：两个变量的变化方向一致，即一个变量值变大时，另一个变量也随之变大；反之，亦然。 （2）负相关：两个变量的变化方向相反，即一个变量值变大时，另一个变量值随之变小；反之，亦然。 （3）零相关：两个变量值变化方向无一定规律，即一个变量值变大时，另一个变量做无规律的变化。 关于散点图 如果观察所获得的资料是两个变量的成对 数据，那么每一对观察值都可以用直角坐 标系中的一个点（x , y）来表示，n个对象 的观察结果就可以用n个散点来表示。这就 是描绘双变量分布状况的散点图。 散点图（一） 散点图（二） 画散点图 相关系数 用来描述两个变量相互之间变化方向及密切程度的数字特征量称为相关系数。一般，样本相关系数用r表示。 相关系数的取值范围是在-1到+1之间，-1≤r≤1。 “+”“-”号表示变化方向。“+”表示变化方向一致，即正相关。“-”表示变化方向相反，即负相关。 r的绝对值表示两个变量之间的密切程度（即强度）。 注意: 1.相关系数仅仅是一个比值。它不是由相等单位度量而来的，不等距，也不是百分比，因此，不能直接作加、减、乘、除运算。 2.相关系数只能描述两个变量之间的变化方向及密切程度，并不能揭示两者之间的内在本质联系。 3.存在相关的两个变量，也不一定存在因果关系。 二、积差相关 1、积差相关的概念 2、积差相关的使用条件 3、积差相关系数的公式 4、总体相关系数的区间估计 5、相关的显著性检验 6、相关系数差异的显著性检验 积差相关的概念 当两个变量都是正态连续变量，而且两者之间呈线性关系时，表示这两个变量之间的相关称为积差相关。 积差相关系数的公式 计算相关系数 0.904 -0.7 1 -1 0.196 积差相关的使用条件 1、两个变量都是由测量获得的连续性数据。 2、两个变量的总体都呈正态分布，或接近正态分布，至少是单峰对称分布。 3、必须是成对的数据，而且每对数据之间相互独立，即每对分数与其他对子没有关系，相互独立。 4、两个变量之间呈线形关系。这可由散点图来做初步分析。 5、要排除共变因素的影响。 6、样本容量要≥30，计算出的积差相关系数才具有有效意义。 例 偏相关 偏相关（partial correlation），也称纯相关或净相关，指在计算两个连续变量X1与X2的相关时，将第三个变量X3或其他多个变量的影响，即r13和r23予以排除之后，X1与X2这两个变量之间的纯净相关，用符号r12.3表示，点号左边的两个下标代表要求计算偏相关的两个变量，点号右边的下标表示要消除其影响的变量。 偏相关的公式如下： 偏相关之例一（将学历XL作为控制变量，对儿童智商IQ与母亲年龄NL作偏相关分析） 对12名儿童的智商IQ、出生时母亲的年龄NL，以及母亲的文化程度（接受正规教育的年限——学龄） XL这三个变量进行调查的结果如下表： r=0.934 r 12.3=0.0887 偏相关系数的“阶数” 一阶偏相关系数——只控制了一个“第三变量”； 二阶偏相关系数——控制了两个“第三变量”； 。。。。。。 控制变量可以不止一个，而控制变量的数目就是偏相关系数的阶数。 不难理解，两列变量之间的简单相关系数是零阶的“偏相关系数”，也就是说，它是在没有控制任何条件的情况下考察两种现象之间的相互联系。 偏相关分析作为一种统计分析的手段，可以帮助我们“透过现象看本质”，更加深入地把握事物之间相互联系的证据。 偏相关分析既可以帮助我们辨别虚假的“伪相关”，也可以帮助我们发现被掩蔽了的“真相关”。 偏相关分析之例二（将工龄GL作为控制变量，对工资GZ与学历XL作偏相关分析。） r=0.038(p0.05) r 13.2=0.8177 (p0.01) 练习 下表是20名学生某次期末考试的语文、数学、外语三门课的成绩，试求剔除了语文成绩之后，20名学生的数学成绩与外语成绩的偏相关系数。 语文与数学：0.827 语文与外语：0.900 数学与外语：0.787 积差相关例题 总体相关系数的区间估计 1、样本相关系数的抽样分布 只有当总体相关系数ρ=0时，样本相关系数的抽样分布才接近正态（严格来说， ρ=0时样本相关系数r的分布为t分布）。当总体相关系数ρ≠0时，样本相关系数的抽样分布呈偏态