心理统计SPSS-第六章-相关性研究及其分析过程.ppt

事物是普遍联系的，人的心理和行为也与人的许多内外因素相联系，表现出复杂性的一面和随机性的一面。对影响人的心理和行为的内外因素进行分析是揭示心理活动规律和机制的重要途径，而相关分析是其中初级但很重要的部分。相关分析可发现变量间的共变关系，一旦发现了共变关系就意味着变量间可能存在两种关系中的一种： 第一，因果关系(两个变量中一个为因、一个为果)； 第二，存在公共因子或中介变量。 心理学的许多研究就是为了寻找这些因果关系，或者是寻找公共因子。可见，相关研究是许多深入研究的初始阶段。 第六章 相关性研究及其分析过程 研究变量的相关关系，一般要在自然或实验室条件下对一组被试进行观测，被观测的变量不是在操纵下发生变化，而是自然发生变化。利用相关分析它们之间的变化关系： 1．相关的方向：同时增加或减少，或是一增另一则减； 2．相关的形式：线性或非线性； 3．相关的程度或强度：“相随”变化的“亲密”程度。 不同种类的相关可以衡量不同类型的关系。迄今为止，皮尔森相关是最常用的相关关系，通常用字母r表示。 我们还可以用散点图来直观表达两个变量的变化关系 相关分析包括三大类：二元相关分析、偏相关分析和距离相关分析。其中二元相关分析（ Bivariate Corr.）又可分为连续测量变量间的简单相关分析和离散变量间的相关分析两类。具体如下图所示： 相关分析 偏相关分析 Partial Corr. 距离相关分析 Distance Corr. 样本间距离相关分析 变量间距离相关分析 二元变量相关分析 Bivariate Corr. 相似分析 不相似分析 连续变量相关分析 Pearson Corr. 等级变量相关分析 Spearman Corr. Kendalls Tau-b 二、二元变量相关分析（Bivariate Corr.) 二元变量相关分析，就是直接使用同一样本两个观测系列观测值进行相关分析。如果两个变量都是连续变化的，则使用积差相关, 即Pearson简单相关；如果两个变量是离散的等级变量，则计算Spearman相关或Kendall’s tau-b相关。 在相关系数显著性检验中，Pearson相关显著性检验的自由度为df=n-2；等级相关接近正态分布，其显著性检验不需自由度。此外，需要注意的是：相关研究中，样本一般要大于30（样本内部同质性越小，样本容量需要越大）。 1. 连续变量间的Pearson相关分析过程p163 Analyze Correlate Bivariable 在相关系数种类中选择“Pearson” 在变量表列中选择所有拟参与相关的变量进入variable 选中“flag significant correlate” 选择相关系数显著性的双测检验或单测检验 点击ok 演示1 2. 非连续变量间的相关分析过程p163 Analyze Correlate Bivariable 选择“Spearson”和“Kendalls Tau-b” 在变量表列中选择所有拟参与相关的变量进入variable 选中“flag significant correlate” 选择相关系数显著性的双测检验或单测检验 点击ok 演示2 三、偏相关分析 二元相关反映了两个变量间相互作用的关系或共同受到第三变量影响的强弱，但这种关系未必纯粹。如物理与数学成绩的相关不是纯粹反映物理与数学关系的，因为物理成绩可能还与语文成绩这一“第三者”有关。为了在剔除语文成绩影响的情况下，找到物理与数学的相关性，这时就要使用偏相关(Partial Corr.)分析方法以对“第三者”施加“管制”。在对偏相关进行显著性检验时，其自由度为n-3。 一般来说，简单相关系数和偏相关系数相比，前者有夸大或被抑制的成分，后者更符合实际。 偏相关相关分析过程p166 演示3 Analyze Correlate partial 选择需要控制的变量进“Controlling for” 在变量表列中选择所有拟参与相关的变量进入variable 选中“display actual significance level” 选择相关系数显著性的双测检验或单测检验 点击ok 四、肯德尔和谐系数相关分析 斯皮尔曼等级相关主要适用于两列数据的等级相关；当两个变量的的数据都是等级相关，例如让10位评价者对7名被试的作品进行评价，如下图(p160)，这种情况下我们就用得着肯德尔和谐系数相关去分析 作品 评价者 1 2 3 4 5 6 7 8 9 10 1 3 2 2 3 4 4 3 2