第九讲双变量的统计分析(相关分析).pptVIP

厦门大学社会学系 第九讲 双变量的统计分析 “学好数理化，走遍天下都不怕” “学好数理化，不如有个好爸爸” 布劳与邓肯在1967年出版的《美国的职业结构》中研究了父亲职业与子女职业的关系，先赋地位和自致地位哪一个在个人生活中具有更重要的作用。 尽管家庭背景(父亲的职业与受教育水平)给美国男性的职业地位获得以显著作用，在决定美国在职男性社会地位获得的因素中，由个人努力所达到的“受教育水平”要比来自于“父亲职业地位”的作用更强。 他们解释说，美国是一个相当开放的社会越是工业化社会，先赋性因素对个人社会地位获得的影响就越弱；越是传统型社会，先赋性因素对个人社会地位获得的影响就越强。但是，即使如此，在美国这样城市化和工业化水平较高的西方市场化国家，来自于父亲的先赋性因素，对子女职业地位的获得仍然具有虽然微弱但却显著而直接的影响。 那么中国的情况如何？ 白威廉(William Parish)的研究最具影响力，白氏通过对中国大陆1972-1978年间迁居香港的132位移民的访谈，得到了他们2865位邻居的数据，发现：对于那些在“文革”前(1966年前)就年满20岁的同期群案例来说，父亲的“受教育水平”与“职业地位”对子女的受教育水平，父亲的“职业地位”与“阶级出身”对子女的“职业地位”获得等具有显著影响作用。但对于那些在“文革”时期才年满20岁的同期群案例来说，作用却并不显著。 谢文和林南于1983年在北京的调查(N=1774)、林南和边燕杰于1985在天津的调查(N=1000)等进一步证实：父亲的职业地位既对人们的初职地位获得毫无影响，也对人们目前职业地位的获得缺少明显作用。 林南与边燕杰将“工作单位部门”这一具有国家社会主义特色的指标作为中介变量，置于职业地位之前进行检验。研究发现，虽然父亲的职业地位对子女的教育和职业地位获得缺少统计意义的影响，但父亲的“工作单位部门”却通过对儿子“工作单位部门”的作用而影响了儿子的初职地位获得，但女儿却无此殊荣。 单变量的分析和统计描述，是我们了解和认识社会现象的基础。 但社会生活中的现象并不是孤立存在的，现象之间往往存在或多或少的关系，或者说，社会现象之间往往是相互联系、相互影响、相互依存的。 进一步了解社会现象发生和变化的原因，揭示社会现象的发展规律，探索和发现现象之间的关系，才是大多数社会研究的主要目的，而这则需要对两个变量或多个变量之间的关系进行分析。 变量之间的关系 两个变量之间的关系 多个变量之间的关系。 在多数情况下，多个变量之间的关系又可以分解为若干个两个变量之间的关系，也就是说多个变量之间的关系可以通过若干个两个变量间的关系来描述。 知识点 双变量间关系的种类 主要的双变量的测量方法 （1）交互分析—列联表分析 （2）不同层次变量的测量法 （3）自变量和因变量的关系 相关分析和因果分析 一、相关关系（correlation） 两变量间的相关关系指的是一个变量的值与另一个变量有连带关系。也就是，当一个变量发生变化时（或取值不同时），另一个变量也随之发生变化。 如： 文化程度 收入期望 女性的文化程度 生育期望 1、相关的性质 （1）相关关系的强度 相关程度，指的是相关关系的强弱或大小。相关关系的强弱或大小可以用统计法进行测量。变量间相关关系的统计结果称为相关系数。 相关关系的程度介于[-1，1]之间，数值绝对值越大,表示相关的程度越强.正\负号表示的是相关关系的方向.0代表无相关，1 代表全相关.见图9-1来说明. 注意： 社会调查中各相关系数的值不可能达到1 相关系数只表示各变量间相关程度的指标，没有数量的关系。 如0.5和0.25，并不表示0.5比0.25的相关大0.25，或者是0.25相关的两倍 例1：a=d=0或b=c=0，两个变量全相关 例2：a×d=b×c，对角线相等，则表示无相关 例3：如果a×db×c或a×db×c，则表示X和Y有相关关系。 （2）相关关系的方向（+、-） 正相关关系和负相关关系 正相关关系：一个变量的取值增加时，另一个变量的取值也增加，反之亦然； 人们的文化程度越高，他们的收入水平也越高；文化程度较低的人，他们的收入水平也普遍较低。反之，那些收入水平较低的人，他们的文化程度一般来说也较低。 负相关关系：一个变量的取值增加时，另一个变量的取值减少；而一个变量的值减少时，另一个变量值的增加。 在调查中发现，文化程度越高的被调查者，在回答问卷时，花费的时间越少，而文化程度较低的被调查者，填答问卷时花费的时间较长。在此，我们可以说文化程度和问卷填答时间之间存在着负相关关系。 注意：方向的分析只适用于定序以上层次的变量 （3）相关