堆积散点图.ppt

用非参数检验方法来度量两定序变量间的线性相关关系, 利用变量秩数据计算一致对数目(U)和非一致对数目(V)。 U较大，V较小，较强正相关； U较小，V较大，较强负相关； U和V大致相当，各占样本数的1/2，相关性较弱. 3. Kendall 相关系数 . Kendall 统计量的数学定义 小样本下服从Kendall分布, 大样本下采用的检验统计量为 7.2.3 基本操作 相关分析用于描述两个变量间 关系的密切程度，其特点是 变量不分主次，被置于同等的地位。 在分析Analyze的下拉菜单相关Correlate命令项中有三个相关分析功能子命令双变量Bivariate、偏相关Partial、 距离Distances，分别对应着相关分析、偏相关分析和相似性测度（距离）的三个SPSS过程。 Bivariate过程用于进行两个或多个变量间的相关分析，如为多个变量，给出两两相关的分析结果。 Partial过程，当进行相关分析的两个变量的取值都受到其他变量的影响时，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的偏相关系数。 Distances过程用于对各样本点之间或各个变量之间进行相似性分析，一般不单独使用，而作为聚类分析和因子分析等的预分析。 Bivariate相关分析步骤 1) 选择菜单Analyze ?Correlate ?Bivariate，出现窗口： 2) 把要分析的变量选到变量Variables框。 3) 在相关系数Correlation Coefficents框中选择计算哪种相关系数。 4) 在显著性检验Test of Significance框中选择输出相关系数检验的双边（Two-Tailed）概率p值或单边（One-Tailed）概率p值。 5)选中标记显著性相关Flag significance correlation选项表示分析结果中除显示p值外，还输出星号标记，以标明变量间的相关性是否显著；不选中则不输出星号标记。 6) 在选项Option按钮中的统计Statistics选项中，选中Cross-product deviations and covariances表示输出两变量的离差平方和协方差。 7.2.4 应用举例 为研究高等院校人文社会科学研究中立项课题数会受哪些因素的影响，收集1999年31个省市自治区部分高校有关社科研究方面的数据，研究立项课题数（当年）与投入的具有高级职称的人年数（当年）、发表的论文数（上年）之间是否具有较强的线性关系。 对该问题的研究可以采用相关分析的方法，首先可绘制矩阵散点图；其次可以计算Pearson简单相关系数。 相关回归分析（高校科研研究）.sav 输出结果 7.3 偏相关分析 7.3.1 偏相关分析和偏相关系数 7.3.2 基本操作 7.3.3 应用举例 上节中的相关系数是研究两变量间线性相关性的，若还存在其他因素影响，就相关系数本身来讲，它未必是两变量间线性相关强弱的真实体现，往往有夸大的趋势。 例如，在研究商品的需求量和价格、消费者收入之间的线性关系时，需求量和价格之间的相关关系实际还包含了消费者收入对价格和商品需求量的影响。 7.3.1 偏相关分析和偏相关系数 偏相关分析也称净相关分析，它在控制其他变量的线性影响的条件下分析两变量间的线性关系，所采用的工具是偏相关系数。 控制变量个数为1时，偏相关系数称一阶偏相关；当控制两个变量时，偏相关系数称为二阶偏相关；当控制变量的个数为0时，偏相关系数称为零阶偏相关，也就是简单相关系数。 利用偏相关系数进行分析的步骤 第一，计算样本的偏相关系数 假设有三个变量y、x1和x2，在分析x1和y之间的净相关时，当控制了x2的线性作用后，x1和y之间的一阶偏相关定义为： 偏相关系数的取值范围及大小含义与相关系数相同. 第二，对样本来自的两总体是否存在显著的净相关进行推断 检验统计量为： 其中，r为偏相关系数，n为样本数，q为阶数。T统计量服从n-q-2个自由度的t分布。 7.3.2 基本操作 1) 选择菜单Analyze ?Correlate ?Partial 相关回归分析（高校科研研究）.sav 2) 把参与分析的变量选择到Variables框中。 3) 选择一个或多个控制变量到Controlling for框中。 4) 在Test of Significance框中选择输出偏相关检验的双尾概率p值或单尾概率p值。 5) 在Option按钮中的Statistics选项中，选中Zero-order Correlations表示输出零阶偏相关系数。 至此，SPSS将自动进行偏相关分析和统计检验，并将结果显示到输出窗口。 7.3.3 应用举例 上