2017整理5第五讲++相关分析.ppt

第五章 相关系数 第一节 相关概述 第二节 积差相关系数 第三节 其他相关系数 第一节 相关概述 一、相关的含义 客观现象之间的数量联系存在着函数关系和相关关系。当一个或几个变量取定值时，另一个变量有确定的值与之对应，称为函数关系，可用Y=f(X)表示。 所谓相关就是指事物或随机现象之间的相互关系。事物之间在数量上的变化关系有的是属于因果关系（一种现象是另一种现象的原因，另一种现象是这种现象的结果），有的却不能直接作出因果关系的解释。当一个或几个相互联系的变量取一定数值时，与之相对应的另一个变量的值虽然不确定，但它仍然按某种规律在一定范围内变化，变量间的这种关系，被称为相关关系，如图5-0（b）。 二、相关的种类 （一）从变化方向上划分 1、正相关。两个变量中，一个变量增大，另一个变量对应值也随之增大；或一个变量值减小，另一个变量对应值也随之减小，两列变量变化方向相同。如学生的学习成绩与智商之间的关系；教师工作积极性与学校民主管理程度之间的相关，学校办学经费与教学设施之间的相关等。 2、负相关：两个变量中，一个变量增大，另一个变量对应值也随之减少；或一个变量值减小，另一个变量对应值也随之增大，两列变量变化方向相反。如学生学习能力水平与其解题时间的关系；运动员赛跑与所用时间之间的相关；学生学习能力与识记所用时间之间的相关等。 3、零相关。两变量值的变化方向无规律。如学生的身高与学生成绩的变化关系。 （二）从变量的个数上划分 1、简相关。两个变量之间的相关关系。如在一定年龄阶段，儿童身高与年龄的关系。本课所研究的都是简相关。 2、复相关。一个变量与两个或两个以上变量间的相关关系。如教师教学的成效与教师思维能力、教学方法、学生的学习准备情况之间的关系。 （三）从变量相互关系的程度上划分 1、高度相关。即两个变量相互联系非常密切。如大学生的学习成绩和智商的关系。当两个变量变化关系达到一一对应的密切程度时，数量变化就是确定性关系了，则称为完全相关。 2、低度相关。即两变量存在相互联系，但其关系并不密切。 三、相关散布图 它是表示两种事物之间的相关性及联系的模式。以直角坐标的横轴表示x列变量，纵轴表示y列变量，在相关的两变量对应值的垂直相交处画点，构成相关散布图。如图5-1。 相关散布图的用途： 1、判断相关是否直线式。 当两变量之间呈曲线趋势，其相关散布图呈弯月状，说明两变量之间是非线性关系，如图5-2(a)。 当两变量间呈线性趋势，其相关散布图是椭圆形，说明两变量之间是线性关系，称为直线相关，如图5-2(b)。 2、判断相关密切程度高低 相关散布图的形状和疏密，反映着相关程度的高低。如图5-3（a），散布图的椭圆形状较狭长，称为高度相关。 如果散布图的椭圆形状比较粗，称为低度相关。如图5-3（b）。 3、判断相关变化方向 正相关：散布点主要位于一、三象限。如图5-4（a）,即一个变量增加（或减少），另一个变量也增加（或减少）。 负相关：若散布点主要位于二、四象限，如图5-4（b）,即一个变量增加（或减少），另一个变量也减少（或增加）。 零相关：散布点的变化无一定规律。如图5-4（c）。 四、相关系数 通过相关散布图的形状，我们大概可以判断变量之间相关程度的强弱、方向和性质，但并不能得知其相关的确切程度。为精确了解变量间的相关程度，还需作进一步统计分析，求出描述变量间相关程度与变化方向的量数，即相关系数。总体相关系数用ρ（读“柔”）表示，样本相关系数用r表示。 相关系数r的取值范围是-1≤r ≤ 1，一般取小数点后两位。 r的正负号表明两变量间变化的方向；|r|表明两变量间相关的程度，r0表示正相关，r0表示负相关，r=0表示零相关。|r|越接近于1，表明两变量相关程度越高，它们之间的关系越密切。 附加说明： （1）两变量间存在相关，仅意味着变量间有关联，并不一定是因果关系。 （2）相关系数不是等距的测量单位。 r是一个比值，不是由相等单位度量而来，不能进行加、减、乘、除运算。如r1=0.25,r2=0.5,r3=0.75，不能认为r1=r3-r2 或r2=2r1。 （3）相关系数受变量取值区间大小及观测值个数的影响较大。 变量的取值区间越大，观测值个数越多，相关系数受抽样误差的影响越小，结果就越可靠，如果数据较少，本不相关的两列变量，计算的结果可能相关，如学生的身高与学习成绩。本书所举例题，数据较少，仅为说明计算方法时较方便。 （4）相关系数在特定情况下使用才具有意义。 如高中生身高与体重的相关系数用在儿童身上就没有意义。 （5）通过实际观测值计