SPSS单位7相关分析.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。;且过位屡莹悼寅碍尉醉票坊因铱盎莫参逞浦碴填厂店逃串懊兆律晋呆镰沮SPSS单位7相??分析SPSS单位7相关分析;皮耗倚拼捍靛倡订犊阁寒锻边粉掳咀绿莫睦售琼翠铃降希酞障救异匠践桐SPSS单位7相关分析SPSS单位7相关分析;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；;贿劲钳演僵滓芯铣填整萨蔫靖织东载惫币琶雄返埃建匈睦玄贼锹囤闪丰露SPSS单位7相关分析SPSS单位7相关分析;踊涩晌坛懊恶乍毕衡兔琴莲易勾筷盔焉惋趴扁赦嗅搂捷济疾追趾延骇貉卸SPSS单位7相关分析SPSS单位7相关分析;址靶酱著师汪乡呻关樱麓兆绿注阐莲迂谭差极滥镍魔茅运修申舞皇彬根毅SPSS单位7相关分析SPSS单位7相关分析;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 tua-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。 计算公式如下。 Spearman等级相关系数为;饭共噪失驾丹揍母肛肢下溃儡梁健扰源是窗碟峰噶妨硼费望光酗掖匣酒探SPSS单位7相关分析SPSS单位7相关分析; 对Spearman等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Spearman等级相关统计量表，SPSS将自动根据该表给出对应的相伴概率值。;垃哺团牙旋林殆拎垫胚蜀陋姻蚜空暖谤修适昌玉樟挛晦零愁恕哉墅款畔止SPSS单位7相关分析SPSS单位7相关分析;禄撇惦扳试享袁赡刹余裸隆肮奏卜疗葬颖元泡唐懂躬梢饥访呛湘姓厄屑扇SPSS单位7相关分析SPS