05_相关-SPSS终稿.ppt

现代统计理论与方法 第5章 相关分析 相关分析的基本概念 5.1 二元定距变量的相关分析 5.2 二元定序变量的相关分析 5.3 偏相关分析 5.4 描述变量之间线性相关程度的强弱，并用适当的统计指标表示出来的过程为相关分析。 可根据研究的目的不同，或变量的类型不同，采用不同的相关分析方法。本章介绍常用的相关分析方法：二元定距变量的相关分析、二元定序变量的相关分析、偏相关分析. 5.1 相关分析的基本概念 任何事物的变化都与其他事物相互联系和相互影响，用于描述事物数量特征的变量之间自然也存在一定关系。变量间的关系归纳起来可分为两种:函数关系和统计关系。 当一个变量x取一定值时，另一变量y可以按照确定的函数公式取一个确定的值，记为y?=?f(x)，则称y是x的函数，即y与x两变量之间存在函数关系。又如，某商品在其价格不变的情况下，销售额和销售量之间的关系就是一种函数关系：销售额=价格×销售量。 函数关系是一一对应的确定性关系，比较容易分析和测度，可是在现实中，变量之间的关系往往并不那么简单。 相关系数的取值范围在?1和+1之间，即?1≤r≤+1。其中： 若0＜r≤1，表明变量之间存在正相关关系，即两个变量的相随变动方向相同； 若?1≤r＜0，表明变量之间存在负相关关系，即两个变量的相随变动方向相反； 为了判断r对ρ的代表性大小，需要对相关系数进行假设检验。 首先假设总体相关性为零，即H0为两总体无显著的线性相关关系。 其次，计算相应的统计量，并得到对应的相伴概率值。如果概率值小于或等于指定的显著性水平，则拒绝H0，认为两总体存在显著的线性相关关系；如果相伴概率值大于指定的显著性水平，则不能拒绝H0，认为两总体不存在显著的线性相关关系。 5.2 二元定距变量的相关分析 二元变量的相关分析是指通过计算变量间两两相关的相关系数，对两个或两个以上变量之间两两相关的程度进行分析。根据所研究的变量类型不同，又可以分为二元定距变量的相关分析和二元定序变量的相关分析。 在二元变量的相关分析过程中比较常用的几个相关系数是Pearson简单相关系数、Spearman和Kendalls tua-b等级相关系数。 定义：二元定距变量的相关分析是指通过计算定距变量间两两相关的相关系数，对两个或两个以上定距变量之间两两相关的程度进行分析。 定距变量又称为间隔（interval）变量，它的取值之间可以比较大小，可以用加减法计算出差异的大小。例如，“年龄”变量、“收入”变量、“成绩”变量等都是典型的定距变量。 Pearson简单相关系数用来衡量定距变量间的线性关系。如衡量国民收入和居民储蓄存款、身高和体重等变量间的线性相关关系。 Pearson简单相关系数计算公式为 对Pearson简单相关系数的统计检验是计算t统计量，公式为 t统计量服从n?2个自由度的t分布。 SPSS中实现过程 菜单选项: Analyze - Correlate - Bivariate 研究问题 :打开数据文件“公司职工”,分析下列问题 在职务、年龄、受教育年限、工龄、工作经验等因素中找出与当前薪金关系最密切的两个因素 5.3 二元定序变量的相关分析 定义：定序变量又称为有序（ordinal）变量、顺序变量，它取值的大小能够表示观测对象的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。例如，“学历”变量的取值是：1—小学及以下、2—初中、3—高中、中专、技校、4—大学专科、5—大学本科、6—研究生以上。由小到大的取值能够代表学历由低到高。 Spearman和Kendalls tua-b等级相关系数用以衡量定序变量间的线性相关关系，它们利用的是非参数检验的方法。 Spearman等级相关系数为 对Spearman等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Spearman等级相关统计量表，SPSS将自动根据该表给出对应的相伴概率值。 对Kendalls tua-b等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Kendalls tua-b等级相关统计量表，SPSS将自动根据该表给出对应的相伴概率值。 5.4 偏相关分析 二元变量的相关分析在一些情况下无法较为真实准确地反映事物之间的相关关系。单纯计算简单相关系数，显然不能准确地反映事物之间地相关关系，而需要在剔除其他相关因素影响的条件下计算相关系数。偏相关分析正是用来解决这个问题的。 定义：偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程。 菜单选项: Analyze - Correlate - Partial 研究问题 :打开数据文件“公司职工”,分析下列问题 计算薪金增量(当前薪金-起始薪金) 计算薪金增量与职务之间的相关