[管理学]第七章相关分析.ppt

第七章 相关分析 本章主要内容： 1.相关分析概述及列联相关 2.二元定距变量的相关分析 3.二元定序变量的相关分析 4.偏相关分析 第一节 相关分析概述及列联相关 一、相关与不相关 寻找变量间的关系是科学研究的首要目的。 在统计学上，通常这样判断变量之间是否有关：如果一个变量的取值发生变化，另外一个变量的取值也相应发生变化，则这两个变量有关。如果一个变量的变化不引起另一个变量的变化则二者无关。 二、函数关系和统计关系 任何事物的变化都与其他事物是相互联系和相互影响的。变量之间的关系归纳起来可以分为两种类型，即函数关系和统计关系。 函数关系是一一对应的确定性关系。 一个变量的值不能由另一个变量的值惟一确定，这种关系称为统计关系。 三、散点图 1.概述 相关分析的方法较多。比较直接和常用的一种是绘制散点图。图形虽然能够直观展现变量之间的相关关系，但不很精确。 2.应用举例 利用散点图分析员工的职称和基本工资之间存在怎样的统计关系。 四、相关系数 （一）相关系数 相关系数的取值范围在-1和+1之间，即-1≤r≤+1。其中： 1.若 0＜ r≤1，变量之间存在正相关关系。 2.若-1≤r＜0，变量之间存在负相关关系。 3.当︱r︱=1时，一个变量的取值完全取决于另一个变量，为函数关系。 4.当r＝0时,变量之间不存在线性相关关系 （二）变量关系强度 1.︱r︱≥0.8，视为高度相关； 2.0.5≤︱r︱＜0.8时，视为中度相关； 3.0.3≤︱r︱＜0.5，视为低度相关； 4.︱r︱＜0.3，相关程度极弱，可视为不相关。 五、变量类型与相关系数的确定 卡方测量用来考察两变量是否独立(无关)。 其原理是根据这一概率定理：若两变量无关，则两变量中联合事件发生的概率应等于各自独立发生的概率乘积。 在列联表中，这一定理就具体转化为：若两变量无关，则两变量中条件概率应等于各自边缘的概率乘积。反之，则两变量有关，或称两变量不独立。 由此可见，期望值（独立模型）与观察值的差距越大，说明两变量越不独立，也就越有相关。因此，卡方的表达式如下： 卡方的取值在0~∞之间。卡方值越大，关联性越强。 （二）列联表分析的功能 调用列联表分析过程可进行定类与定序资料列联表分析，一个行变量和一个列变量可组成一个二维列联表。而多个行、列、控制变量就可组成一个复杂的多维列联表。 在分析中可对二维和多维列联表资料进行统计描述和卡方检验，并计算相应的百分数指标。 列联表的格式 （三）列联表分析过程 列联表分析步骤： 按Analyze?Descriptive Statistics? Crosstabs 顺序打开 Crosstabs 主对话框。 （四）应用举例 为了探讨吸烟与慢性支气管炎有无关系，调查了339人，情况如下： 卡方检验 第二节 二元定距变量的相关分析 一、简介 （一）spss相关分析简介 相关分析用于描述两个变量间联系的密切程度，其特点是变量不分主次，被置于同等的地位。检验的原假设为两变量间不具有相关关系。 在Analyze的下拉菜单Correlate命令项中有三个相关分析功能子命令Bivariate过程、Partial过程、 Distances过程。 （二）spss相关分析类型 Bivariate过程用于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，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相关系数。 Distances过程用于对同一变量各观察单位间的数值或各个不同变量间进行相似性或不相似性分析。 （三）二元定距变量的相关分析 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。 Pearson简单相关系数用来衡量定距变量间的线性关系。 二、命令 例：某班级学生数学和化学的期末考试成绩如表（具体分数值略），现要研究该班学生的数学和化学成绩之间是否具有相关性。 操作步骤如下： 第三节 二元定序变量的相关分析 一、定义 spearman和kendall’s tau-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。 对spearman和kendall’s tau-b等级相关系数的统计检验，分n≤30 和n＞30 两种情况。 二、命令 例如： 某语文老师先后两次对其班级学生