第六章 相关分析.ppt

第六章 相关分析 如对两个以及两个以上变量关系的描述，则需要用相关分析来解决。 变量之间的关系大致可归纳为两大类: 函数关系: 指的是两事物之间的一种一一对应的关系，即当一个变量x取一定值时，另一变量y可以依确定的函数取唯一确定的值。 统计关系: 统计关系指的是两事物之间的一种非一一对应的关系，即当一个变量取一定值时，另一变量无法依确定的函数取惟一确定的值。 第一节 相关的意义 一、相关的概念 1.正相关 两个变量的变化方向一致，即一个变量值变大时，另一变量值也随之变大；一个变量变小时，另一个变量值也随之变小，这两个变量之间的关系称为正相关。 2.负相关 两个变量的变化方向相反，即一个变量值变大时，另一变量值也随之变小；一个变量变小时，另一个变量值也随之变大，这两个变量之间的关系称为负相关。 3.零相关 两个变量变化方向按一定规律，即一个变量值变大时，另一个变量值可能变大也可能变大，并且变大、变小的机会趋于相等，这两个变量之间的关系称为零相关。亦即两者之间无相关。 从密切程度来看，无论两个变量的变化方向是否一致，凡密切程度高的称为强相关或高度相关，密切程度一般的称为中度相关，密切程度弱的称为弱相关或低度相关。 二、相关系数 通过的数值，一方面可以判断变量之间的相关方向，另一方面可说明相关的程度。 第二节 相关系数的计算方法 一、积差相关系数（Pearson简单相关系数） 当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数。计算公式为： 例6.1，某市1991～2000年工业总产值与货运总量如表6.2，计算二者的相关系数。 二、等级相关系数 (一) 斯皮尔曼（Spearman）等级相关系数 当两个变量以等级次序排列或以等级次序表示时，两个相应总体并不一定呈正态分布，样本容量也不一定大于30，表示这两个变量之间的相关，称为等级相关。表示两个变量等级之间的相关系数为斯皮尔曼（Spearman）等级相关系数。计算公式为： 例6.2，某些城市的潜在发展评价分数以及环境评价等级如表6.3所示，求二者之间的相关系数。 (二) 肯德尔和谐（KendanKendan′s tau-b）系数 当多个（两个以上）变量值以等级次序排列或以等级次序表示，描述这几个变量之间的一致性程度（相关）的量，称为肯德尔和谐（ KendanKendan′s tau-b ）系数。 1.无相同等级的情况 例6.2，4个专家组对6个城市的作出的排名次序如表6.4，问专家组评定的一致性如何？ 2.有相同等级的情况 例，同一位教师对5份研究生入学考试政治试卷根据标准先后3次等级评定结果如表，问3次评定结果的相关程度如何？ 第三节 相关系数的显著性检验 一、相关系数的抽样分布 二、相关系数的检验 第四节 其他的相关系数 一、复相关系数（决定系数） 二、偏相关系数 偏相关分析也称净相关分析，它在控制其他变量的线性影响的条件下分析两变量间的线性相关，分析偏相关所采用的工具是偏相关系数（净相关系数）。控制变量为1时，偏相关系数称为一阶偏相关；当控制两个变量时，偏相关系数称为二阶偏相关；当控制变量的个数为零时，偏相关系数称为零阶偏相关，也就是相关系数。 * *