[2018年最新整理]SPSS第五讲相关分析.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * Gamma系数 属于对称相关测量法 取值介于-1～1之间，绝对值越大表明关联性越强，正负号则表示关联方向 Somer’D系数 具有对称和非对称两种形式 取值介于-1～1之间，绝对值大小表示关联程度，符号表示关联方向 肯德尔tau-b系数 属于对称相关测量法 取值介于-1～1之间，绝对值大小表示关联程度，符号表示关联方向 肯德尔tau-c系数 属于对称相关测量法 取值介于-1～1之间，绝对值大小表示关联程度，符号表示关联方向 期望频数 如果总体中两个变量没有关系，则列联表的每个单元格中所应有的频数 行频率 列频率 合计频率 残差：观测频数与期望频数之差，残差越大，就表示总体中变量相关的可能性就越高 二、Correlate Bivariate Correlate菜单中最常用的一个功能项 如果是多个变量，则给出两两相关的分析结果 适合于分析定序－定序，定距－定距变量之间的关系 Bivariate对话框 Pearson积矩相关系数 最常用的参数相关分析指标 用于测量两个连续变量间的直线相关程度 肯德尔等级相关系数 用于测量两个定序变量间的相关程度 斯皮尔曼的rho相关系数 最常用的非参数相关分析指标 用于测量两个定序变量间的相关程度 Partial 专门用于偏相关分析 如果需要进行相关分析的两个变量的取值均受到其他变量的影响，就可以利用偏相关分析对其他变量进行控制，然后再输出控制后的相关系数。 适合于定距变量 Partial对话框 注意：还可以通过“options”选项给出每个变量的平均值和标准差，以及变量之间的两两相关。 增加的例子：SPSS中的help－topics－目录－partial correlation中的医疗资金和疾病发生率之间的偏相关关系。 * * * * * * * * * * * 第五讲、相关分析 相关的三种表现方式 统计值 相关系数：表示变量间相关性的强度 显著度：表示样本中的相关是否可以推论总体 统计表 列联表：主要针对定类和定序变量，如果是定距变量，可以将其转化为定序变量，然后再做列联表。 统计图 条图、线图、面积图、箱式图、散点图 spss的两个相关分析菜单 Crosstabs 定类－定类，定序－定序变量间的简单相关分析 Correlate Bivariate：定序－定序，定距－定距变量间的简单相关分析 Partial：定距－定距变量间的偏相关分析 一、Crosstabs Crosstabs的基本功能－－制作列联表 步骤1：打开“Crosstabs”对话框 步骤2：选择行变量和列变量 步骤3：点击“OK” 两个注意点 变量的位置 一般情况下，列联表中变量的位置是任意的 但如果变量之间存在因果关系，则通常将原因变量放在列的位置，将结果变量放在行的位置 百分比的方向 将原因变量作为条件百分比的计算方向 Crosstabs的2个主要命令模块 Statistics，Cells “Statistics” 对话框 “Cells” 弹出对话框 卡方检验：主要适用于定类变量 注意：当遇到定序变量时，可以将其视为定类变量，进行卡方检验，但缺点是会忽视变量的“定序”信息，从而夸大相关性。 Correlate：定距－定距，定序－定序 Eta系数 Pearson卡方值 最常用的卡方检验 当n≥40，且所有单元格的期望频数都大于等于5时，选择这一检验值。 连续性校正卡方值 只适用于2×2的列联表 当n≥40，所有单元格的期望频数都大于1，且只有1/5以下单元格的期望频数小于5大于1时，选择连续性校正卡方值。 似然比卡方值 与Pearson卡方值相比，在处理多维表时有更大的优势；大多数情况下，两者的结论是基本一致的。 Fisher精确概率法 对于2×2列联表，SPSS会自动给出精确概率值，但通常只有当n40，或某个单元格的期望频数小于1时，才选择此卡方值。 对于其他列联表，则需要在Exact模块中选定Exact检验，但只有当某个单元格的期望频数小于1，或大于1小于5的期望频数较多时，才选择此卡方值。 线性相关卡方值 通常用于连续变量，在分类变量的列联表中很少用到，可以视而不见。 列联系数 属于对称相关测量法 基于χ2值得出，公式为： 其值介于0～1之间，越大越表明两变量相关性越强。 Phi相关系数 属于对称相关测量法 基于χ2值得出，公式为： 在2×2列联表中，取值介于0～1之间，在其它列联表中，则没有上限，越大表明关联程度越强。 克拉默的V相关系数 属于对称测量法 对Phi系数的一个调整，对关联程度的测量相对保守，