第五章相关分析课堂笔记.docVIP

第五章 相关分析 课堂笔记 主要知识点掌握程度 了解相关的意义与积差相关的概念，会计算积差相关系数；了解肯德尔和谐系数的作用，会计算肯德尔和谐系数；了解二列相关与点二列相关的意义及适用范围，会计算二列相关与点二列相关。 知识点整理 一、相关的意义 （一）相关的概念 两个变量之间不精确、不稳定的变化关系称为相关关系。它与函数关系的区别就在于两个变量值不是一一对应得那样精确、稳定。 两个变量之间的变化关系。既表现在变化的方向上。又表现在密切的程度上。 从变化方向来看，两个变量之间有以下几种关系： 1正相关两个变量的变化方向一致，即一个变量值变大时。另一个变量值也随之变大；一个变量值变小时，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，另一个变量值随之变小；一个变量值变小时，另一个变量值随之变大，这两个变量之间的关系称为负相关。 3零相关 两个变量值变化方向无一定的规律，即一个变量值变大时，另一个变量值可能变大也可能变小，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。 用来描述两个变量相互之间变化方向及密切程度的数字特征量称为相关系数。一般用r表示。关于相关系数r,必须明确以下三点： 相关系数的数值范围是在-1到+1之间，即0≤|r|≤l相关系数r的正值与负值之间，没有优劣之分相关系数值不能进行四则运算。 积差相关，又称积矩相关，是英国统计学家皮尔逊于20世纪初提出的一种计算相关的方法，因而也称皮尔逊相关，是求直线相关的基本方法。 1、积差相关的概念 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，表示这两个变量之间的相关称为积差相关。2、积差相关的使用条件 由于积差相关是统计学上第一次对相关问题进行的定量描述（以前都是用相关散布图进行描述），具有开创性。因此，它所适用的条件也就相对严格些。 第—，两个变量都是由测量获得的连续性数据。上例百分制分数可视为测量获得的连续性数据。 第二，两个变量的总体都呈正态分布。或接近正态分布，至少是单峰对称的分布。第三，必须是成对数据。而且每对数据之间相互独立。第四，两个变量之间呈线性关系。这可由相关散布图的形状来决定。第五，要排除共变因素的影响。若两个变量都随着一个共同因素在变化，即便计算出的积差相关系数很高，也难以判断这两个变量之间存在着高度相关。第六，样本容量n≥30，计算出的积差相关系数才具有有效意义。以上关于积差相关系数的使用条件，可以概括为三个：（1）两变量是测量数据。（2）两变量的总体都是正态分布，或接近于正态分布。（3）必须是成对数据。且n≥30。 积差相关系数就是两个变量标准分数乘积之和除以n所得之商。用公式表示为：? ? ? 在这里 表示X变量的样本标准差； 表示Y变量的样本标准差。这里积差相关系数的定义公式。用定义公式计算积差相关系数时，既要计算平均数，又要计算标准差，过于麻烦。一般采用原始数据计算法。其计算公式为： ? ? ? 在这里∑XY表示X与Y两个变量每对观察值的乘积之和；∑X表示X变量的观察值的总和；∑Y表示Y变量的观察值的总和； 表示X变量的观察值平方和； 表示Y变量的观察值平方之和。 等级相关是指以等级次序排列或以等级次序表示的变量之间的相关，主要包括斯皮尔曼二列等级相关和肯德尔（Kandall）和谐系数多系列等级相关。积差相关虽然精确，但使用条件较多，不容易满足。在教育研究中，有些数据未必是测量数据，有些变量的总体未必呈正态分布或近似正态分布，成对数据的对数也不一定能达到30对。 （一斯皮尔曼等级相关 ?概念及其适用范围 当两个变量值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。 根据某种标准对某项成绩所评定的等级，或按某种指标的优劣程度所排列的名次等，均属于等级秩序性分数。 因为计算等级相关系数时，并有要求总体呈正态分布，也不要求 ，所以应用范围较广。但是，若两个变量的原始资料都是较精确的度量资料，则不必化成较粗略的等级资料，否则会失掉很多信息。除了两个变量（或其中一个变量）的原始资料本身就属于等级性资料，或者难以判断资料所属总体呈何种分布形态，一般以采用积差相关为宜。相关系数的计算计算斯皮尔曼等级相关系数的公式为 在这里 表示等级相关系数；D表示两个变量每对数据等级（不是原始的等级，而是经过重新赋值后的等级）之差；n表示样本的容量。 二肯德尔和谐系数 概念