第七章 相关分析2.ppt

第七章 相关分析 佟玉英 7.1相关分析的SPSS过程 从菜单“Analyze”下拉菜单的 “Correlate” 命令项具有三个相关分析功能子命令。它们是： “Bivariate”（相关分析） “Partial”（偏相关分析） “Distance”（距离分析） 1.Bivariate： 计算指定的两个变量间的相关系数，可以选择Pearson相关（积差相关）、Spearman等级相关和Kendall相关，同时对相关系数进行假设检验。 可选择进行单尾或双尾检验，给出相关系数为0的概率，当资料不服从双变量正态分布或总体分布型未知，或原始是用等级表示时，宜用Spearman等级相关和Kendall相关。 2.Partial: 计算两个变量间在控制了其他变量影响下的相关系数，即偏相关系数，可以进行单尾或双尾检验 检验的假设是：偏相关系数为0，然后给出偏相关系数为0的概率。还可以进行其他统计量的描述。 3.Distance: 对变量或观测值进行相似性或不相似性测度。因此分析的变量可以是连续变量、表频数分布的变量，某些测度还可以用于二值变量。 积差相关的基本假定有四： 1. 受试样本人数最好在25人以上。 2. 变量间均为连续变量（等距/比率变量） 3. 变量母群体均呈常态分布。 4. 二者相关型态为直线相关，而非曲线相关 7.2.两个变量的相关分析 7.2.1.二元变量相关分析的基本概念： 1） 相关(Correlation)是用来作两个定距变量关系的统计分析，考察两变量是否存在共同变化的趋势。如年龄与收入。 2 ）积矩相关的统计原理： 两变量共同变化的趋势在统计中用共变异数（Covariance）来表示。即A变量的取值从低到高（或从高到低）变化时，B变量是否也同样发生变化。 7.2.2.二元变量相关分析的功能和应用 当两变量在同一方向上变化，称为有正相关；相反方向变化，称为负相关；无变化即无相关。相关系数即用来表示相关的程度。 3）相关系数的计算公式： 7.3.相关分析的应用实例 【例7-1】分析高等院校科学研究中立项课题与投入的具有高级职称的人年数和发表的论文之间是否有相关关系。 从菜单“Analyze”→ “Correlate” →“Bivariate”，打开Bivariate Correlations对话框，在左侧源变量栏中选择“年人均可支配收入 [X1]”、“教育支出 [X5]”进入变量栏，其余系统默认值，单击OK运行程序。双变量相关分析主对话框的界面如图7-1所示。 7. 4.二元变量相关分析过程 1.建立或调用数据文件。 2.选择分析变量、选择项，运行提交。 3.输出结果和解释结果。 从菜单“Analyze”→ “Correlate” →“Bivariate”,打开双变量相关分析主对话框，如图7-4所示。选中左边变量表中预用于相关分析的变量，进入变量栏“Variables”。其他如果默认的话，点击OK运行程序。 1. 主对话框中分析方法选择项： 1)Peason相关，积差相关，计算连续变量或是等间距测度的变量间相关分析。 2)Kendall复选项：等级相关，计算分类变量间秩相关。用来考察两个定序变量间的相关关系。 3)Spearman复选项，等级相关，计算斯皮儿曼相关。用来考察两个定序变量间的相关关系。 选择显著性检验： 1)Two-tailed双尾检验。当事先不知道相关方向时选择此项。 2)One-tailed单尾检验。如果事先知道相关分析选择此项。 3)Flag significant Correlations复选项，如选择此项，输出结果在相关系数数值右上方使用“*”表示显著水平5％；用“**”表示显著水平1％. 2. Options对话框中选择项 统计量选择项（Statistics）： Mean and standard deviations为均值与标准差选项。 Cross-product deviations and covariances 为叉积离差阵和协方差阵选项。 缺失值处理方法选择项： Exclude cases pairwise:仅剔除正在参与计算的两个变量值时缺失值的观测量。 Exclude cases listwise:剔除在主对话框中Variables矩形框中列出变量值带有缺失值的所有观测量。 7.5 二元变量相关分析的应用示例 【例7-2】研究12名一年级大女生的体重和肺活量之间的关系？（Pearson相关） 体重（kg）:42 42 46 46 46 50 50 50 52 52 58 58 肺活量：2.55 2.20 2.75 2.40 2.80 2.81 3.41 3.10 3.46 2.85 3.50 3.00 首先将体重作为自变量X，把肺活量作为因变量Y，把数据输入SPSS，可