第7章相关分析.pptVIP

（二）spss相关分析类型 Bivariate过程用于两个或多个变量间的相关分析，如为多个变量，给出两两相关的分析结果。 Partial过程，可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数。 Distances过程用于对同一变量各观察单位间的数值或各个不同变量间进行相似性或不相似性分析。 （三）二元定距变量的相关分析 二元定距变量的相关分析是指通过计算定距变量间两两相关的相关系数对两个或两个以上定距变量之间两两相关的程度进行分析。 Pearson简单相关系数用来衡量定距变量间的线性关系。 二、命令 例：某班级学生数学和化学的期末考试成绩如表（具体分数值略），现要研究该班学生的数学和化学成绩之间是否具有相关性。 操作步骤如下： 1.调用命令：Analyze/Correlate/Bivariate，弹出如下对话框，选择相应选项。 不显示统计检验的相伴概率，而以星号表示 选择数学、化学变量进入右侧的变量框 2.单击options按钮,出现Bivariate correlations：Options对话框，选择相应选项。单击continue按钮返回，按0K按钮执行。 计算某个统计量时，在这一对变量中排除有缺省值的观测值。 对于任何分析，有缺省值的观测值都会被排除。 对每一个变量输出均值、标准差和无缺省值的观测数。 对每一个变量输出叉积离差和协方差 数学成绩和化学成绩的相关性系数为0.742，两个星号表示用户指定的显著性水平为0.01时，统计检验的相伴概率值小于等于0.01，即数学和化学显著相关，且为正相关。 第三节 二元定序变量的相关分析 一、定义 spearman和kendall’s tau-b等级相关系数用以衡量定序变量间的线性相关关系，它们利用的是非参数检验的方法。 对spearman和kendall’s tau-b等级相关系数的统计检验，分n≤30 和n＞30 两种情况。 二、命令 例如： 某语文老师先后两次对其班级学生同一篇作文加以评分。两次成绩分别记为变量“作文1”和“作文 2”（具体分数值略）。问两次评分的等级相关有多大，是否达到显著水平？ 操作步骤如下： 1.调用命令：Analyze/Correlate/Bivariate，弹出对话框，选择相应选项。 2.单击ok, spss即开始运行。 选择作文1、作文2变量进入右侧的变量框 选择相关系数的类型 不显示统计检验的相伴概率，而以*表示 可以看出该语文老师两次评分的kendall’s tau-b系数和spearman等级相关系数分别为0.745和0.874。在这两个数字旁边均有两个星号，表示用户指定显著性水平为0.01时，统计检验的相伴概率小于等于0.01，即两次评分显著相关，且为正相关。 当等级有许多，且很少有ties的情况下，我们可用适合于此种资料的Spearmans Rho来测量相关。 第四节 偏相关分析 一、定义 二元变量的相关分析在一些情况下无法较为真实准确地反映事物之间的相关关系。 偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除只分析另外两个变量之间相关程度的过程。 ， 二、命令 例如：某农场通过试验取得某农作物产量与春季降雨量和平均温度的数据（具体数值略）。现求降雨量对产量的偏相关。 操作步骤： 1.调用命令：Analyze/Correlate/Partial，弹出对话框，选择相应选项。 2.单击Options按钮,出现Partial correlations：Options对话框 ，选择选项。 3.单击 Continue按钮，返回 Partial Correlations对话框，单击 OK按钮即可得到统计结果。 显示统计检验中具体的相伴概率 选“产量”和“降雨量”变量，添加到Variables框中；再选择“温度”变量，使这个变量添加到controlling for框中 输出偏相关系数的同时还输出变量间的简单相关系数 上半部分输出的是变量两两之间的pearson简单相关系数，以产量和降雨量为例，它们之间的简单相关系数为0.981。下半部分是偏相关系数的输出结果，在剔除温度变量的影响条件下，产量和降雨量之间的偏相关系数为0.780，相伴概率为0.013，可见前者有夸大相关的成分。 第七章 相关分析 本章主要内容： 1.相关分析概述及列联相关 2.二元定距变量的相关分析 3.二元定序变量的相关分析 4.偏相关分析 第一节 相关分析概述及列联相关 一、相关与不相关 寻找变量间的关系是科学研究的首要目的。 在统计学上，通常