第六讲假设检验之二.ppt

第六讲 假设检验之二： 相关系数的假设检验 相关分析特别要注意根据变量的测量层次选择相应的测量方法。同理，假设检验方法也要注意变量的测量层次，不同测量层次的变量相关的检验方法同样存在差异。对两个变量相关关系的检验，常用的方法有x2检验、Z检验、t检验和F检验等。 所导致的。前面我们已经了解了x2检验所起的第一个作用，下面来看看x2检验的第二个作用。 表5-22 两类中学生的升学意愿分布 (％) 关系强度的测定 关，即和表的行数和列数有关，且无论如何也达不到1。 部分交互分类表C值的上限 例：工人的工作满意度和归属感（人） 对上述同样的数据，我们可以得到： 同样的数据，我们用G求Z值时的结果是2.72，用S求Z值时的结果则是3. 37，用前者比用后者进行推断时更保守，前者通常会低估了Z值，后者较为精确，但计算较麻烦. 以前述工人的工龄和工资等级的关系为例，工人的工龄和工资等级的关系在总体中是否也存在?研究假设和虚无假设分别是： 相关测量和检验的SPSS应用 交互分类与X2检验的SPSS应用 analyze（分析）-descriptive-crosstabs顺序单击菜单项，打开对话框来实现。 交叉表分析主对话框 选择统计量对话框 显示单元格值对话框 格式对话框 相关测量和检验的SPSS应用 例6—1 数据data4是随机抽样样本，分析青年的初始工资与现在工资的关系，并推断这种关系在总体中是否存在。 打开数据文件data 4后，依次单击“Analyze-Descriptive Statistics一crosstabs,打开如图6—3所示对话框。分别将“现在工资”和“初始工资”变量放入Row(s)和Column(s)框中,如图6-3所示。 (2)单击“statistics”按钮，打开对话框。因为初始工资和现在工资都是定距变量，所以选择Correlations命令，见图6—4。单击“Continue”按钮，回到图6—3... 所示窗口。 (3)单击“OK”按钮，提交运行。可以在输出窗口看到如图6—5至图6—7的结果。 可以看出，初始工资与现在工资有较大的关系，初始工资和现在工资的相关程度0.876，这种相关关系在总体中也存在(Sig＝0.000)。 选择此项的输结果 不选此项的输出结果 例6-2 图6-8 相关分析结果 Person Correlation是皮尔逊相关系数，其右侧“现在工资”一列对应的第一个数据“1”表示的是“现在工资”与“现在工资”的相关系数，因为是同一个变量，所以完全相关。 “初始工资”一列对应的数据0.876,表示“初始工资”和“现在工资”的皮尔逊相关系数值0.876，出现这一结果的概率小于0.01。 图6-9 相关矩阵 思考题 1．下列层次的变量在进行相关分析时，采用的相关测量法有哪些? （1） 定类变量—定类变量； （2）定距变量—定距变量； （3）定序变量—定序变量； （4）定类变量—定距变量。 4．不同测量方法所对应的假设检验的方法有何不同? 返回 图6-1 图6-2 图6-3 选择要分析的变量 图6-5 图6—5的统计概要说明有效样本数为409人，缺失值为o。 图6-6 初始工资与现在工资的交互分类表 图6-7 。 Bivariate是统计两个变量之间的关系，如果一次测量中测量的变量较多，则会出现如图6-9所示的相关矩阵。 图6-9给出了受教育年限、工作时间、现在工资和初始工资四个变量之间的两两相关结果。 * * 例：调查某地区中学生的升学意愿，得到如表5-22所示的结果。 如果仅从表5—22的百分比来看，我们似乎会得出这样的结论：城市中学生和农村中学生在是否想考大学的升学意愿上存在明显差异，城市中学生想考大学的比例明显高于农村中学生，他们之间的差异达到将近13个百分点。但是，如前所述 返回 返回 返回 *