第四章相关测量法与测量层次预案.ppt

第四章 相关测量法与测量层次 第一节 两个定类变量、定类与定序变项：Lambda, tau-y Lambda相关测量法(PRE) 基本逻辑：以一个定类变项的值来预测另一个定类变项的值时，比以众值作为预测的准则，可以减少多少误差 My：Y变项的众值次数 Mx：X变项的众值次数 my：X变项的每个值之下Y的众值次数 mx：Y变项的每个值之下X的众值次数 m：全部个案数目 Lambda测量法的不足 以众值作为预测的准则，没有考虑众值以外的次数分布 如果全部众值集中在条件次数表的同一列或同一行中，在Lambda系数为0。不能真实反映变量间关系 tau-y相关测量法(PRE) 不对称相关测量法 计算系数值时包括所有的边缘次数和条件次数 tau-y的敏感度高于Lambda；如果是不对称关系，最好选用tau-y 第二节 两个定序变项：Gamma, dy 级序相关法 基本逻辑：根据任何两个个案在某变项上的等级来预测它们在另一个变项上的等级时，可以减少的误差比例 Gamma：对称关系(PRE) dy：不对称关系(PRE) 异序对Nd；同序对Ns ；同分对T 第三节 两个定距变项：简单线性回归与积距相关 简单线性回归分析 根据一个直线方程式，以一个自变项X的数值来预测依变项Y的数值 b：表示X对Y的影响大小和方向 最佳拟合线 绘制回归线的准则：最小残差平方法 积距相关测量法 皮尔逊(Perarson)积距相关系数r r与b的差异 r系数假定X与Y的关系是对称的； r的统计值为[-1,1]； r2具有消减误差的含义；r实际上就是b值的标准化 R2：决定系数 是否采用简单线性回归分析？ 首先，看散点图是否存在线性相关 其次，计算r值，由此判断线性回归方程式的预测力、拟合度 第四节 定类/定序变项与定距变项相关比率与非线性相关 均值比较：方差分析 相关比率（又称eta平方系数）(PRE) E的取值范围[0,1] E2具有消减误差比例的意义 E值与r值相差越大，显示变项间关系越是非线性 * 30 60 10 总 数 5 0 5 增广见闻 20 30 0 理想工作 5 30 5 快乐家庭 低 中 高 教育水平 志 愿 Xi Yj Xi Yj r：只有当变项间为线性相关时才有意义 *