第7章 相关分析与SPSS实现.ppt

第六讲 相关分析与SPSS实现 变量类型与相关分析 相关检验 SPSS实现相关检验 4种数值类型 标称变量 （Normial Variable），定类变量或名义变量，无等级、次序。如东南西北、男女、张三李四等。 次序变量（Ordinal Variable），定序变量，等级高低、次序先后，如教育水平、领导级别。 区间变量 （Internal Variable），定距变量，既有等级与次序之分，又有某区间的值，能有相对的比较大小。如温度。 比例变量 （RatioVariable），定比变量，既有次序、区间变量的性质，还有一个有意义的零点（绝对的本身值大小），如身高（2米是一米的两倍）、血压。 标称变量 次序变量— 区间变量 比例变量__ 皮尔逊（Pearson）积差相关：比例变量-比例变量、比例变量-2区间变量，即通常的相关系数 斯皮尔曼（Spearman）等级相关：次序变量-次序变量，非参数资料的相关 肯氏(肯德尔Kendall)的等级相关? b(计数资料)：次序变量-次序变量、次序变量-比例变量。为非正态分布资料的Pearson相关系数的代替值。 Phi （?）系数和V系数：标称变量 -标称变量 Cronbach的Alpha系数 Hoeffding的相关系数D 相连的观测: x1,x2,...,xn 和 y1,y2,...,yn Mean_均值 Std Dev_标准差 Variance_方差 Covariance_协方差： 皮尔逊（Pearson）积差相关 Pearson’s 相关系数—经验相关系数 -1=R=1 如果没有相关趋势: r = 0 r2: 由线性相关决定的所有变化中的比例 回归意义： r = 0.38 r = -0.31 r = 0.95 r = 0.64 r = -0.46 r = 0.99 r = -0.0 斯皮尔曼（Spearman）等级相关 Spearman correlation coefficient 是Pearson相关系数的非参数版本，主要基于数据的秩而不是数据的值本身，它适用于等级数据和不满足正态假设的等间隔数据。 秩相关。 与Pearson’s相关的区别？ 肯德尔（偏秩）等级相关系数 度量等级变量或秩变量相关性问题 等级-等级；等级-比例…… 不考虑变量值本身变化，只考虑变量x、y变量值的大小顺序。 样本总对的数目：Cn=n(n-1)/2 和谐对（Concordant）用P表示（一对观测xy值相对于另一对观测值发生一致地大小变化） 不和谐对（Discordant） 用Q表示 相持（Tied） 用Tx和Ty表示相持在x变量和y变量（一对观测x或y相等） Hoeffding相关系数D Xi、yi变量x、y的等级 Qi为“双变量等级”，当xy值同时小于xi、yi时，Qi=Qi+1。 n观察值的总数 用于等级-等级变量，类似于肯氏等级相关。 SPSS 实现 H0：相关系数为0 Sig0.05，拒绝H0 Analyze—Correlate—Bivariate…两两相关 Analyze—Correlate—Partial 对变量进行偏相关分析。在偏相关分析中，系统可按用户的要求对两相关变量之外的某一或某些影响相关的其他变量进行控制，输出控制其他变量影响后的相关系数。 Analyze—Correlate—Distance 对变量内部各观察单位间的数值进行距离相关分析，以考察相互间的接近程度；也可对变量间进行距离相关分析，常用于考察预测值对实际值的拟合优度。 在Compute Distances框中有两个选项，Between cases表示作变量内部观察值之间的距离相关分析，Between variables表示作变量之间的距离相关分析 相关系数的选择 Pearson 积矩相关系数---要求正态分布，应明确指出是Pearson 积矩相关系数。 Pearson 积矩相关系数（对应于 “参数方法”） 顺序变量（即“秩变量”）的Spearman秩相关系数和Kendall秩相关系数（对应于 “非参数方法”）等。 Pearson 积矩相关系数可用于描述2个随机变量的线性相关程度 Spearman或Kendall秩相关系数判断两个随机变量在二维和多维空间中是否具有某种共变趋势。 相关系数的选择 ———续 计算各种相关系数有前提条件： 对于秩变量，一般别无选择，只能计算Spearman或Kendall秩相关系数。 对于数值变量，只要条件许可，应尽量使用检验功效最高的参数方法，即计算用Pearson 积矩相关系数。只有计算Pearson 积矩相关系数的前提不存在时，才退而求