两变属关联分析.PPT

第六章 兩變數關聯分析 (Association) 第一節 兩變數關聯分析原理 第二節 SPSS的Correlate分析 第三節 相關分析範例 第四節 SPSS的Crosstabs分析 第五節 Crosstabs的應用範例 學習目標 認識計算兩變數「關聯分析」的「關聯係數」種類。 探討「相關」與「關連」及「相關分析」與「關聯分析」的差異。 了解相關係數的計算原理及公式。 了解其它關聯係數的計算原理與公式。 認識卡方檢定的適用情況。 認識SPSS的Correlation程序與介面如何操作。 認識SPSS的各種Correlate應用實例。 認識SPSS的Crosstabs程序與介面如何操作。 認識SPSS的各種Crosstabs應用實例。 探討SPSS的Crosstabs如何解釋及如何應用於民意調查。 第一節 兩變數關聯分析原理 一、關聯方析的統計量 二、相關分析原理 三、交叉表的卡方檢定原理 一、兩變數關聯分析原理 本節將介紹兩變數關聯分析(Analysis of Association)的原理，包括衡量兩變數關聯程度的統計量數。 將兩變數間的關聯(association)情形加以數量化所得之指標稱為關聯量數(Measures of Association)。 大家最熟悉的皮爾遜積差相關(Pearson Product-Moment Correlation)或稱Pearson相關係數，僅是用來衡量計量變數間關聯程度之一種指標。 單獨一種量數無法包括各種不同的關聯型態。 表6-1 兩變數之尺度及其適用的關聯係數 關聯係數應用的情況(1/2) 在實際應用上，仍以Pearson相關係數與Chi-Square卡方值最為常見。 本章主要介紹兩個探討變數間關聯強度之程序，分別為Correlate和Crosstabs。 Correlate可用於區間或比例尺度與順序尺度測量之變數；Crosstabs可用於各種尺度之變數，但通常若為計量的區間與比例尺度則採Correlate。 Crosstabs也可計算Pearson積差相關，但因此時變數之可能值太多，所得到的列聯表意義不大，故以Correlate處理較為恰當。 關聯係數應用的情況(2/2) 兩計質變數，如名目尺度一定要採用Crosstabs。若為順序尺度，通常亦以Correlate來分析變數之相關；當然也可採用Crosstabs，但若是5×5則產生的表格即太大了，建議還是採用Correlate較為恰當，若是3×3的情況，則可採 Crosstabs程序來分析。 對任何電腦統計軟體與程序而言，系統無法知道使用者所輸入之數值資料是何種尺度，系統提供了各種統計量與程序來供使用者選擇。至於應使用何種統計量或程序，端視使用者對資料與統計之理解而定。 二、相關分析原理(1/3) 相關（Correlation）是用以檢驗兩個變數線性關係的統計技術。兩個連續變數的關聯情形，除了用散佈圖的方式來表達，還可用相關係數（coefficient of correlation）來衡量。 線性關係（Linear Relationship）乃指兩個連續變數之間的關係，可以被一條最具代表性的直線來表達其存在的關聯情形。 相關係數是一個標準化的關聯係數，其原理是先計算出兩個變數的共變量，再除去兩個變數的不同分散情形與單位差異(即標準差)加以標準化。 相關分析原理(2/3) 相關係數介於-1至1之間。 相關程度的大小並非與r係數大小成絕對正比，相關係數的大小須經顯著性檢定來證明是否顯著。 不能直接由相關係數的大小來判斷其是否達顯著水準，因相關係數為t分配，SPSS會自動檢定相關係數是否達到顯著水準。 相關分析原理(3/3) 斯皮爾曼等級相關(Spearman Rank-Order Correlation)計算 此係數的符號為rs（rho）應用於順序變數線性關係之描述。 淨相關 如果兩個連續變數之間的關係，可能受到其他變數的干擾之時，可以利用控制的方式，將第三變數的效果進行統計的控制。 在計算兩個連續變數X1與X2的相關之時，將第三變數（X3）與兩個相關變數的相關與予以排除之後的純淨相關，以 來表示。 三、交叉表的卡方檢定原理 若是單一的分類變數，分成r類，可得到次數分配表。 若是兩個類別變數，則可進行交叉表分析並進行卡方(Chi-Square， )檢定。 若變數一分為r類，變數二分為c類，可得r×c交叉表(Cross-tabulation)或稱交叉分析表，列聯表(Contingency table)。 分類變數卡方檢定的類型 (1/2) 分類變數的分析，SPSS提供了無母數檢定（NPAR）、對數模式（LOGLINEAR）與