SPSS第七单元相关分析.pptVIP

第7单元 相关分析; 描述变量之间线性相关程度的强弱，并用适当的统计指标表示出来的过程为相关分析。可根据研究的目的不同，或变量的类型不同，采用不同的相关分析方法。本章介绍常用的相关分析方法：二元定距变量的相关分析、二元定序变量的相关分析、质与量的相关、品质相关和偏相关分析。;6.1 相关分析的基本概念;当一个变量x取一定值时，另一变量y可以按照确定的函数公式取一个确定的值，记为y?=?f(x)，则称y是x的函数，也就时说y与x两变量之间存在函数关系。又如，某种商品在其价格不变的情况下，销售额和销售量之间的关系就是一种函数关系：销售额=价格×销售量。 ;函数关系是一一对应的确定性关系，比较容易分析和测度，可是在现实中，变量之间的关系往往并不那么简单。;;;相关系数的取值范围在?1和+1之间，即?1≤r≤+1。其中： ? 若0＜r≤1，表明变量之间存在正相关关系，即两个变量的相随变动方向相同； ? 若?1≤r＜0，表明变量之间存在负相关关系，即两个变量的相随变动方向相反；;;;;为了判断r对ρ的代表性大小，需要对相关系数进行假设检验。 （1）首先假设总体相关性为零，即H0为两总体无显著的线性相关关系。 （2）其次，计算相应的统计量，并得到对应的相伴概率值。如果相伴概率值小于或等于指定的显著性水平，则拒绝H0，认为两总体存在显著的线性相关关系；如果相伴概率值大于指定的显著性水平，则不能拒绝H0，认为两总体不存在显著的线性相关关系。;在实际中，因为研究目的不同，变量的类型不同，采用的相关分析方法也不同。比较常用的相关分析是二元定距变量的相关分析、二元定序变量的相关分析、质与量相关、品质相关和偏相关分析。;6.2 二元定距变量的相关分析; 在二元变量的相关分析过程中比较常用的几个相关系数是Pearson简单相关系数、Spearman和Kendalls tua-b等级相关系数。; 定义：二元定距变量的相关分析是指通过计算定距变量间两两相关的相关系数，对两个或两个以上定距变量之间两两相关的程度进行分析。 定距变量又称为间隔（interval）变量，它的取值之间可以比较大小，可以用加减法计算出差异的大小。例如，“年龄”变量、“收入”变量、“成绩”变量等都是典型的定距变量。 ; Pearson简单相关系数用来衡量定距变量间的线性关系。如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。 ;计算公式如下。 Pearson简单相关系数计算公式为; 对Pearson简单相关系数的统计检验是计算t统计量，公式为 t统计量服从n?2个自由度的t分布。 ;6.2.2 SPSS中实现过程;表6-1 学生的数学和化学成绩;? 实现步骤;图6-2 “Bivariate Correlations”对话框（一）;图6-3 “Bivariate Correlations：Options”对话框;6.2.3 结果和讨论;6.2.4 绘制相关散点图;图6-4 在菜单中选择“Scatter/Dot”命令;图6-5 “Scatter/Dot”对话框;图6-6 “Simple Scatterplot”对话框;图6-7 散点图;6.3 二元定序变量的相关分析; Spearman和Kendalls tua-b等级相关系数用以衡量定序变量间的线性相关关系，它们利用的是非参数检验的方法。 计算公式如下。 Spearman等级相关系数为;; 对Spearman等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Spearman等级相关统计量表，SPSS将自动根据该表给出对应的相伴概率值。;;; 对Kendalls tua-b等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Kendalls tua-b等级相关统计量表，SPSS将自动根据该表给出对应的相伴概率值。 ;;6.3.2 SPSS中实现过程;表6-2 学生作文两次的得分情况;? 实现步骤;6.3.3 结果和讨论;6.4 质与量的相关和品质相关;;品质相关是指两个变量均为称名变量或一个为称名变量、另一个为顺序变量的相关。如计算性别（男、女）与等级制的学科成绩（优、良、中、合格、待合格）的相关，计算学校类别（重点、非重点）与对新学制的态度（拥护、反对）的相关等等。;鼠标单击Analyze→Descriptive Statistics→Crosstabs菜单项，打开Cosstabs主对话框，在左侧变量框中选择一个或多个变量进入Row（s）框，作为交叉表中的行变量；选择一个或多个变量进入Column（s）框，作为交叉表中的列变量。 单击Statistic