第五章相关综述.pptVIP

安徽工业大学 管理学院 相关分析的意义 寻找变量间的关系是科学研究的首要目的。变量间的关系最简单的划分即:有关与无关。 在统计学上，我们通常这样判断变量之间是否有关：如果一个变量的取值发生变化，另外一个变量的取值也相应发生变化，则这两个变量有关。如果一个变量的变化不引起另一个变量的变化则二者无关。 二、相关分析的概念 变量之间的关系分为确定性关系和非确定性关系。确定性关系：当一个变量值（自变量）确定后，另一个变量值（因变量）也就完全确定了，确定性关系往往可以表示成一个函数的形式，比如圆的面积和半径的关系： S=πr2 非确定性关系：给定了一个变量值后，另一个变量值可以在一定范围内变化，例如家庭的消费支出和家庭收入的关系。 研究者把非确定性关系称为相关关系。 三、相关系数 相关分析的主要目的是研究变量之间关系的密切程度，以及根据样本的资料推断总体是否样关。反映变量之间关系紧密程度的指标主要是相关系数r Pearson相关系数应用广泛，其计算公式及其性质如下： 双变量关系的统计类型 双变量关系强度测量的主要指标 四、SPSS中相关分析 在Analyze的下拉菜单Correlate命令项中有三个相关分析功能子命令： Bivariate（两两相关分析过程） Partial （偏相关分析过程） Distances（距离分析过程） 简单相关分析 Bivariate过程用于进行两个或多个变量间的相关分析，如为多个变量，给出两两相关的分析结果。 Partial过程，当进行相关分析的两个变量的取值都受到其他变量的影响时，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数。 Distances过程用于对同一变量各观察单位间的数值或各个不同变量间进行相似性或不相似性分析一般不单独使用，而作为因子分析等的预分析。 Bivariate相关分析 在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。否则可能的出错误结论。 Bivariate相关分析的步骤：输入数据后，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框如图5－1 分析步骤 1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 2）选择weight 和coronary变量进入 Variables框中。 3）在Correlation Coefficients栏内选择Pearson。 4）在Test of Significance栏选择Two-tailed。 5）选择Flag significant correlation。 6）单击Options按钮，选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项。 7）单击OK完成。 * * Institute of Computer Software Nanjing University 相关分析(Correlation Analysis) 性别与四级英语考试通过率的相关统计 表述：统计结果显示，当性别取值不同时，通过率变量的取值并未发生变化，因此性别与考试通过率无关。 自变量的不同取值在因变量上无差异，两变量无关。 自变量的不同取值在因变量上有差异，两变量有关。 表述：统计结果显示，当性别取值不同时，收入变量的取值发生了变化，因此性别与月收入有关。 自变量 因变量 Bivariate过程 图5－1 Bivariate Correlations 对话框 不清楚变量之间是正相关还是负相关时选择此项。 清楚变量之间是正相关还是负相关时可选择此项。 计算积距相关系数，连续性变量才可采用。 计算Kendall秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据。 计算Spearman秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据。 在输出结果中，相关系数的右上角上有“＊”则表示显著性水平为0.05；右上角上有“＊＊”则表示显著性水平为0.01。 见图5－2 图5－2 Optins 对话框 对每一个变量输出均值、标准差和无缺省值的观测数。 对每一个变量输出交叉距阵和协方差距阵。 计算某个统计量时，在这一对变量中排除有缺省值的观测值。 对于任何分析，有缺省值的观测值都会被排除。 48 31 68 90 107 56 84 18 42 56 鸡冠重 （毫克） 70 75 91 90 95 90 90