第5篇 相关关系.ppt

第五章 相关关系 第五章 相关关系 问题？ 通过前面的学习，我们知道，给定任何一列单变量连续数据，都可以用平均数和标准差反映数据的总体特征。 然而在实际的心理和教育测量中，往往会遇到两种事物，两种现象关系的描述，此时我们又如何去统计处理呢？ 对于双变量数据相互之间的关系可以用相关系数加以统计分析。 何谓双变量？ 主要内容 第一节：相关、相关系数与散点图 第二节：积差相关 第三节：等级相关 第四节：质与量的相关（略） 第五节：品质相关（略） 第六节：相关系数的选用与解释 第一节 相关、相关系数与散点图 一、什么是相关 （一）事物之间的相互关系（有三种）： 1.因果关系：一种现象是另一种现象的原因 2.共变关系：表面上有联系的两种事物其实 都和第三种现象有关 3.相关关系：两类现象在发展变化的方向和 大小方面存在一定联系，但并 不是前两种关系，比较复杂 一、什么是相关 （二）相关的类别（三种） 1.正相关：两列变量变动方向相同 2.负相关：两列变量变动方向相反 3.零相关：两列变量之间没有相关 关系存在 二、相关系数（coefficient of correlation） 相关系数是两列变量间相关程度的数字表现形式。作为样本间相互关系程度的统计特征数,常用r表示,作为总体参数,一般用ρ表示, 是应用比较广泛的一个有代表性的统计量。 相关系数是就线形关系而言的 相关系数的取值 内在涵义： 1.取值范围：位于-1.00至+1.00之间，是一个比率，常用 小数形式表示 2.取值大小：表示双变量相关的强度 │r│→1，则相关越密切 │r│→0，相关越不密切 3.正负号：表示双变量相关的方向 是正相关（+）还是负相关（-） 4.代表值：r＝+1，表完全正相关 r＝-1，表完全负相关 r＝0，表无相关 注意： 一般情况下，通过相关系数r的值来判断双变量相关是否密切时，要把样本量的大小和相关系数取值大小综合起来考虑，经统计检验后方能确定变量之间是否存在显著相关 两变量间不是线形关系时，不能用直线相关计算r值 三、散点图 在相关研究中，常用相关散点图表示两个变量之间的关系；散点图通过点的散布形状和疏密程度来显示两个变量的相关趋势和相关程度。 第二节 积差相关 一、积差相关的概念与适用资料 （一）概念 当两个变量都是正态、连续变量，而且二者之间呈线形关系，表示这两个变量之间的相关为积差相关 由英国统计学家皮尔逊在20世纪初提出，简称：Pearson相关系数（软件中常用此名称） 积差相关又称为积距相关 离均差乘方之和除以N称做“矩”(moment)，把X的离均差和Y的离均差两者积的总和除以N，用“积矩”表示。称为协方差covariance，X和Y有协同变化的规律。 （二）适用条件 1.要求成对数据，且每对数据之间是相互 独立的 2.样本容量n=30 3.两列变量都是连续变量 4.两列变量总体分布为正态或接近正态， 至少是单峰对称分布 5.两列变量之间的关系是直线型的，可由 相关散点图的形状粗略判断 二、计算积差相关系数的基本公式 （一）利用标准差和离均差的计算公式： （二）运用标准分数计算相关系数的公式 协方差 中的xy的大小能够反映两列变量的一致性 计算公式： （三）原始观测值计算公式 解：根据已有资料可知，此两列变量分布都为正态，且身高、体重都属测量数据并为线性相关，所以通过积差相关计算相关系数 代入三个公式可得： 三、计算积差相关系数的差法公式 利用离均差x、y相加或相减的方法，求积差相关系数的方法 四、相关系数的合并（略） 在心理和教育研究中，通常会需要求同一个总体的几个样本的相关系数的合成，即平均相关系数，此时可用Z－r转换法 步骤： 1.查表8，将各样本的r转换成费舍Z分数 2.求每一样本的Z分数之和 3.求平均Z分数，即 4.再查附表8，将 转换成相应的r值 第三节 等级相关 所得到资料是等级顺序，其总体不是正态分布的条件下，但是线性相关。 一、斯皮尔曼Spearman等级相关 ㈠适用条件 适用于两列变量，而且是属于等级变量性质具有线性关系的资料,主要用于解决类别数据和顺序数据的资料,不考虑资料是否正态，且不要求n30。 注意：符合P