SPSS 第7单元 相关返闹析.pptVIP

第7单元 相关分析; 描述变量之间线性相关程度的强弱，并用适当的统计指标表示出来的过程为相关分析。可根据研究的目的不同，或变量的类型不同，采用不同的相关分析方法。本章介绍常用的相关分析方法：二元定距变量的相关分析、二元定序变量的相关分析、质与量的相关、品质相关和偏相关分析。;6.1 相关分析的基本概念;当一个变量x取一定值时，另一变量y可以按照确定的函数公式取一个确定的值，记为y?=?f(x)，则称y是x的函数，也就时说y与x两变量之间存在函数关系。又如，某种商品在其价格不变的情况下，销售额和销售量之间的关系就是一种函数关系：销售额=价格×销售量。 ;函数关系是一一对应的确定性关系，比较容易分析和测度，可是在现实中，变量之间的关系往往并不那么简单。;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;相关系数的取值范围在?1和+1之间，即?1≤r≤+1。其中： ? 若0＜r≤1，表明变量之间存在正相关关系，即两个变量的相随变动方向相同； ? 若?1≤r＜0，表明变量之间存在负相关关系，即两个变量的相随变动方向相反；;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;为了判断r对ρ的代表性大小，需要对相关系数进行假设检验。 （1）首先假设总体相关性为零，即H0为两总体无显著的线性相关关系。 （2）其次，计算相应的统计量，并得到对应的相伴概率值。如果相伴概率值小于或等于指定的显著性水平，则拒绝H0，认为两总体存在显著的线性相关关系；如果相伴概率值大于指定的显著性水平，则不能拒绝H0，认为两总体不存在显著的线性相关关系。;在实际中，因为研究目的不同，变量的类型不同，采用的相关分析方法也不同。比较常用的相关分析是二元定距变量的相关分析、二元定序变量的相关分析、质与量相关、品质相关和偏相关分析。;6.2 二元定距变量的相关分析; 在二元变量的相关分析过程中比较常用的几个相关系数是Pearson简单相关系数、Spearman和Kendalls tua-b等级相关系数。; 定义：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。 定距变量又称为间隔（interval）变量，它的取值之间可以比较大小，可以用加减法计算出差异的大小。例如，“年龄”变量、“收入”变量、“成绩”变量等都是典型的定距变量。 ; Pearson简单相关系数用来衡量定距变量间的线性关系。如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。 ;计算公式如下。 Pearson简单相关系数计算公式为; 对Pearson简单相关系数的统计检验是计算t统计量，公式为 t统计量服从n?2个自由度的t分布。 ;6.2.2 SPSS中实现过程;表6-1 学生的数学和化学成绩;? 实现步骤;图6-2 “Bivariate Correlations”对话框（一）;图6-3 “Bivariate Correlations：Options”对话框;6.2.3 结果和讨论;6.2.4 绘制相关散点图;图6-4 在菜单中选择“Scatter/Dot”命令;图6-5 “Scatter/Dot”对话框;图6-6 “Simple Scatterplot”对话框;图6-7 散点图;6.3 二元定序变量的相关分析; Spearman和Kendalls t