第十章 资料的统计分析(Ⅱ).ppt

第十章 资料的统计分析（Ⅱ）——双变量分析 本章目录 一、 变量间的关系 （一）相关关系 （二）因果关系 二、交互分类 （一）交互分类的意义与作用 （二）交互分类表的形式要求 （三）关系强度的测量 三、其他层次变量的相关测量与检验 四、回归分析 教学目的和要求 通过本章的教学使学生掌握双变量分析的方法。 1、了解变量间的关系 2、掌握交互分类的意义及关系强度的测量 3、掌握回归分析的原理 教学重点、难点 关系强度的测量 第十章 资料的统计分析（Ⅱ）——双变量分析 一、变量间的关系 1、相关关系 2、因果关系 1、相关关系 （1）相关关系的概念。两变量之间的相关关系指的是当其中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(取值也不同)。反过来也一样。 (2)相关关系的方向。对于定序以上层次的变量来说，变量与变量之间的 关系可以分为正关系与负关系两个方向。所谓两个变量之间具有正的相关关系，指的是当一个变量的取值增加时，另一个变量的取值也随之增加，反之亦然。或者说，两个变量的取值变化具有同方向性。 而两个变量之间具有负的相关关系，则指的是当一个变量的取值增加时．另一个变量的取值反而减少。或者说，两个变量的取值变化具有反方向性。 关于相关关系的方向性还需再次强调：它只限于定序以上层次的变量。因为只有这些变量的取值才有大小、高低或多少之分。而定类层次的变量只有类别之分，因此，它与其他变量相关时不存在正负方向的问题。 (3)相关关系的强度。变量与变量之间相关关系的强度指的是它们之间相关关系程度的强弱或大小。这种相关的强弱程度可以用统计的方法进行测量和比较。 变量问相关程度的统计表示是相关系数。根据变量层次的不同，有各种不同的相关系数。但是，这些相关系数的取值范围一班都在-1到+1之间，或者在0与1之间。这里的正负号表示的是相关关系的方向。而实际的数值则表明相关关系的强弱。相关关系数的值越接近0，意味着两变量相关的程度越弱；而相关系数的值越接近于1(或-1)，则意味着两变量相关的程度越强。 关于相关系数，有两点需要说明。一是对于研究社会现象和人们社会行为的社会调查来说，各种相关系数的值不可能达到1(或-1)。这也即是说，在社会研究中不存在完全的正相关或负相关。二是相关系数只是用来表示变量间相关程度的量的指标，它不是相关量的等单位度量。因此，我们不能说0．50的相关系数是0．25相关系数的两倍，只能说相关系数为0．5的两个变量之间的关系程度比相关系数为0．25的两个变量之间的关系程度更密切。同样道理，我们也不能说相关系数从0、圃到0．70与从0．20到0．30增加的程度一样多。 (4)相关关系的类型。从变量变化的表现形式上分，可以将相关关系分为直线相关与曲线相关。所谓直线相关，指的是当变量x值发生变动时，变量y的值也随之发生大致均等的变动。并且在直角坐标系中，每对x、 y的值所对应的点分布狭长，呈直线状趋势。在图10—2中，散点固(a)、(b)、(c)、都是直线相关的例子，而散点图(e)、(f )是曲线相关的例子。 相关关系的这种区分有助于我们正确地揭示调查数据所反映的规律。比如，当我们用后面将介绍的回归分析的方法对一组调查数据进行分析，结果发现大学教师的年龄这一变量与他们参加体育活动的频率这一变量之间不存在任何关系。但在实际上，这是由于我们错误地假定了两者之间的关系是直线关系，因而使用了不恰当的统计分析方法的缘故。 回归分析一般用于直线关系，但大学教师的年龄与他们参加体育活动的频率之间的关系却是曲线关系。年青教师参加体育活动很多，随年龄增大，频率逐渐下降；但到了某个年龄段后(比如说退休年龄)，可能频率又随年龄增高而增高；到了另一年龄段后，又可能随年龄增高而下降，呈现出图10—2中散点固(f)的状况。 (5)相关关系与散点图。前面介绍中已开始涉及到散点图，这里对它稍作说明。散点图仅适用于定距以上层次的变量，它是以直角坐标的横轴表示变量x的取值变化范围，纵轴表示变量y的取值变化范围，根据每一个案在变量x和变量y上的值来确定坐标图中的每一个点。这样，由一组个案所确定的若干个点，就构成描述两变量间关系状况的散点图。图10—2表明了各种不同相关关系所对应的散点图。 散点图的主要作用是使我们能对两变量间的关系有一个形象、直观的印象，是我们在对定距层次以上的变量进行相关分析时的一个重要步骤。 2．因果关系 (1)因果关系的概念。两变量之间的因果关系，指的是当其中一个变量变化时(取不同的值时)会引起或导致另一个变量也随之发生变化(取值也不同)；但反过来，当后一变量变化时，却不会引起前一变量的变化。在这种情况下，我们称变化发生在前边，并且能引起另一变量发生变化的那个变量为自变量(常用x表