和一個效標變項.ppt

相關研究法生 命 學 研 究 法 報 告 人 ： 侯 季 墉 指導老師：林香君教授 相關研究的概念 判斷變項之間的「關係」?「相關程度」。 使用相關係數（r）而探求變項關係的研究，稱為相關研究。 相關係數r：判斷相關的大小 介於-1與1之間 相關係數的絕對值越大，則相關性越高 「相關」關鍵：變項（單變項、雙變項與多變項） 單變項關心重點：全或無（假設成立與否） 相關研究的種類 依變數的多寡： 雙變量相關 （多變量）複相關 依相關的形態： 線性相關 非線性相關 依相關的程度： 見下頁 依相關的方向： 正相關 負相關 五種不同的相關程度 完全正相關（perfect positive correlation, r=1） 正相關 （positive correlation, 0r1） 零相關 （zero correlation, r=0） 負相關 （negative correlation, -1r0） 完全負相關（perfect negative correlation, r=-1） 五種不同的相關情形(圖示) 五種不同的相關情形(圖示) 相關研究法的意義與目的 用於探討現象或事件的關係(變項） 以量化的形式描述和變項之間的關係 目的 分析變項與變項之間的關係（程度） 根據相關，從某些變項預測另外的變項。 高度相關係，可進一步實施實驗研究 相關研究－研究問題 創造力與學業成績的關係 創造力高的學生，其學業成績是否也高? 家庭背景與學業成績的關係（？變項） 國中成績與高中聯考成績的關係（？變項） 智力與學業成就的關係 石油價格與經濟成長（？變項） 都市化程度與污染（？變項 ？界定） 學歷與… （？變項） 關係研究 理解變項與變項間之關係 可為因－果比較研究與實驗研究提供方向與控制變項 二變項間應呈高度相關（｜r｜.7） Ex：學生每天練習數學的時間與其數學成績是否相關。 預測研究 二高度相關的變項中用其中依變項預測另一變項。 預測變項（predictor）vs.效標變項（被預測的變項，criterion） Ex:利用學生小四的數學成績預測小五的數學成績。 多元迴歸方程式、區別分析、因素分析、路徑分析 (多變項） 相關研究的實施步驟 問題選擇與界定 樣本－至少30個 工具－注意信、效度 設計與程序 資料蒐集 資料分析與解釋 相關研究—建立雙變量表 製作雙變量表 ?(A) 通常，自變項放在雙變量表的「欄」位，依變項放在「列」位。 雙變量表百分比化 決定以何種方向來計算百分比 單個自變項為100%?(B1) 單個依變項為100% ?(B2) 全部變項總和為100% ?(B3) 相關研究—建立雙變量表(A) 相關研究—建立雙變量表(B1) 相關研究—建立雙變量表(B2) 相關研究—建立雙變量表(B3) 雙變項相關統計– 分型 雙變項分析 積差相關(product-moment correlation，r) 又稱皮爾斯積差相關 適用於二個變項均使用等距或等比量尺所測量到的連續分數。 （連續變數） 等級相關(rend-order correlation, rho, ρ) 適用於二個變項的資料是屬於等級或順序的分數。 雙變項分析—續 列聯相關(contingency coefficient,c)適用於二個變項的分類超過二個以上的類別時。（如婚姻關係：已婚、離婚、未婚、喪偶等多類別） 列關相關和卡方考驗有密切關係，它可以由卡方考驗的資料直接求得。 相關係數的解釋 解釋前先審查該相關係數是否有實質上的意義 智商與家庭年收入相關係數 r = 0.85 相關係數 r 可換成決定係數 r2 來解釋 r2 變項間分配的共同變異量 某變項可由另一變項決定或預測的比例 1- r2 未決定係數 變項之間的相關不能解釋為因果關係 相關係數的大小須依目標而定 相關係數的強度大小與意義 多變項相關統計分析 多變項分析 （multivariate analysis） 運用多變項統計技術可協助統計者測量與研究三個以上變項形成各種組合之間的相關程度 可分析相關的資料及實驗結果的資料。 多元迴歸（multiple regression） 亦稱複迴歸 確定數個預測變項與效標變項間的關係 多元迴歸分析在研究中的應用主要在於預測，且綜合多個變項預測效標變項，其正確性較根據一個變項預測高。 Ex：智力、動機、學習習慣、自我觀念、社經地位等變項與學業成績之相關。 y=β0+β1x1+β2x2+β3x3 區辨分析（discriminate analysis） 區辨分析與複迴歸類似。 其效標變項可分成兩個或更多類別（類別變項）。 主要目的：根據某群體過去在預測變項與效標變項間存有的關係，從個人預測變項的