统计学1.pptVIP

本章中主要讨论皮尔逊积距相关系数，显然是以发明者命名的。 它重点考察两个离散变量之间的相关性。 如果变量变化方向相同，称为正相关，否则称为负相关。没有好坏之分。 当然，切记，它反应的是两个变量整体之间的关系，不是对应于某一个单独的数据点。 6.1 相关系数的基本概要 表6-1相关关系的类型及说明 变量Y的变化 变量X的变化 相关关系类型 值域 举例 增大 增大 正相关 (0,1] 吃得越多，体重越大 降低 降低 正相关 (0,1] 存款越少，利息越少 增大 降低 负相关 [-1,0) 运动越多，体重越小 降低 增大 负相关 [-1,0) 受力面积越小，压强越大 6.2 相关系数的计算 简单的皮尔逊积距相关系数 Excel操作 Pearson(array1,array2） 标准计算公式 Excel操作 Correl(array1,array2） 进一步变换，看看跟谁有关系 协方差 序号 X Y X2 Y2 XY 1 2 3 4 9 6 2 4 2 16 4 8 3 5 6 25 36 30 4 6 5 36 25 30 5 4 3 16 9 12 6 7 6 49 36 42 7 8 5 64 25 40 8 5 4 25 16 20 9 6 4 36 16 24 10 7 5 49 25 35 例6-1 计算X和Y的相关系数 Excel操作 图6-1 例6-1的散点图 6.3 利用散点图发现相关关系 图6-2 完全正相关 图6-3 正相关 图6-4 负相关 6.3 相关矩阵 收入 教育 态度 选举 收入 1.00 0.574 -0.08 -0.291 教育 0.574 1.00 -0.149 -0.199 态度 -0.08 -0.149 1.00 -0.169 选举 -0.291 -0.199 -0.169 1.00 贴士 相关系数绝对值的大小 一般解释 0.8-1.00 非常强的相关 0.6-0.8 强相关 0.4-0.6 中度相关 0.2-0.4 弱相关 0.0-0.2 非常弱的相关或无关 冰淇淋与犯罪率 思考 相关、关联和因果 啤酒和纸尿裤 第7章 信度和效度 你的数据靠谱吗？ 你怎么知道每一次使用的检验、量表和工具等都在测量同一个目标？ 你怎么知道每一次使用的检验、量表和工具等都能够测量你需要测量的内容？ 本章解决的问题： 信度 效度 本章难度： This is a cake，here！ 一、定义 信度是指如果测量被重复进行，一个量表产生一致性结果的程度。（+_+） 信度就是再测一次还能不能一样。（:-D） 二、计算公式： 真实值X=观察真值T+随机误差E 7.1 信度 S表示标准差。信度与效度通常采用相关系数的表示方法，相关程度高则信度（效度）高，调研的真实性和有效性就更好。 三、信度的分类 再测信度 用于检测一个测试在不同时期是否可信 现在想想中学时那些变态的考试吧！ 调查对象在尽可能相同的条件下，在不同的时间执行相同的量表项目，测试或执行的时间间隔一般为2~4周。 通过计算相关系数确定两次测量值之间的相似程度。 思考适用范围！ 例7-1.下面MBA两次速记测试的得分 测试者编号 时期1得分 时期2得分 1 4 5 2 5 6 3 3 5 4 6 6 5 7 7 6 5 6 7 6 7 8 4 8 9 3 7 10 3 7 rtime1,time2 = 0.13 复本信度 用于检测相同测试的不同复本的等价性和相似度。 你中学的考试是用的一套题吗？ 构建两个等价的量表形式。同一个调查对象在不同时间被分别采用两个等价量表的一个进行测试，通常间隔2~4周。 通过计算相关系数确定复本测量的相似程度。 思考适用范围！ 例7-2.下面MBA统计学课程两套试卷的成绩 测试者编号 时期1得分 时期2得分 1 54 56 2 67 77 3 67 87 4 83 89 5 87 89 6 89 90 7 84 87 8 90 92 9 98 99 10 65 76 rform1,time2 = 0.90 内在一致信度 用于确定测试中的项目是否彼此一致，都只表示一个维度、一个结构或一个关注的领域。 从这个角度讲“文综”、“理综”都是坑爹！ 科隆巴赫（Cronbach）系数用于测量测试中每个项目的得分与总分的变化是否一致，它越大，内在一致性越强，反之亦反。 计算公式： 每一项目的方差和 观测值的方差 例7-3. 下面是10个测试者在五个测试项目上的得分。 编号 项目1 项目2 项目3 项目4 项目5 总分 1 3 5 1 4 1 14 2 4 4 3 5 3 19 3 3 4 4 4 4 19 4 3 3 5 2 1 14 5 3 4 5 4 3 19 6 4 5 5 3 2 19