社会调查研究与方法幻灯片.ppt

一种是两列变量的变动方向相同，即一种变量变动时，另一种变量也发生或大或小的相同方向的变动，如身高与体重的关系，一般来说，身高越高，体重越重，这叫正相关； 另一种相关情况是当一种变量变动时另一种变量是或大或小地向相反方向变动，如身体健康状况与患病率的关系，身体越好，患病率越小，这叫负相关。 第三种是零相关，即两列变量变化方向无一定规律，一个变量变动时，另一变量的变动方向可能与其相同，也可能与其相反，且相同与相反的机会趋于相等，如人的相貌与其思想品德之间是毫无关系的零相关。 * 第三节 相关与回归分析 相关系数 回归分析及测定方法 * 一、相关系数 ◆相关系数是用来表示相关程度的量的指标，用r表示。其数值范围在-1至+1之间， ◆ r的正负号表示变化的方向， 正号表示变化的方向相同，是正相关； 负号表示变化的方向相反，是负相关。 ◆ r的绝对值表示两变量之间的密切程度（强度）， 绝对值越接近1，表示两变量之间的关系越密切； 越接近0，表示两变量之间的关系越不密切。 ◆如r =1表示完全正相关； r =-1表示完全负相关； r =0表示零相关。 * 计算相关系数时，要求二列变量必须成对，而且变量的性质不同亦应计算不同的相关系数，即不同的相关系数适用于不同的变量类型。 ●如皮尔逊积差相关系数适用于两列等距变量； ●斯皮尔曼等级相关系数适用于两列等级变量； ●点二列相关系数适用于反映一等距变量与另一真正二分变量间相关程度； ●二列相关系数适用于反映一等距变量与另一人为二分变量间相关程度， * 积差相关系数 式中： ， ，n为成对变量的数目，SX为X变量的标准差，SY为Y变量的标准差。 * 若用原始分数直接求r，其计算公式为： * 若用标准分数计算r ，其公式为： 5名大学生身高提高相关系数计算表 不同层次变量的相关测量与检验 1.定类变量与定类变量 消减误差比例，指的就是知道X的值时所减少的误差（E1-E2）与总误差的比。 2.定序变量与定序变量 3.定类变量（或定序变量）与定距变量 4.定距变量和定距变量 * 两变量层次 相关系数 取值范围 是否对称 有无消减误差的比例意义 检验方法 SPSS有无该系数 定类-定类 定类-定序 λ [0，1] 对称 有 x2 有 定序-定序 G [-1，1] 对称 有 Z 有 定类-定距 定序-定距 E E2 [0，1] 不对称 无 有 F 有 定距-定距 r r2 [-1，1] [0，1] 对称 无 有 F （t检验） 有 二、回归分析及测定方法 相关系数是一种广泛使用的描述统计量，用以描述两个变量间的关系，除此以外，它还具有预测功能，即根据一个变量的情况去预测另一个变量。 如果我们把存在相关的两个变量中的一个作为自变量（预测变量），另一个作为因变量（标准变量），并且把两者之间并不十分准确、稳定的关系用数学方程式表达出来，则可以利用该方程自变量来估计预测因变量的估计值。这一过程称为回归分析。 相关分析的目的在于了解两个变量间的关系强度，即用相关系数来描述X和Y两个变量之间的共变特征。回归分析则是对相关关系的现象，根据其关系的形态找出一个合适的数学模型，即建立回归方程，来近似地表达变量间的平均变化关系，以便依据回归方程对未知的情况进行估计和预测。建立回归方程的基础是最小二乘法。 * 两个变量（预测变量X与标准变量Y）间的回归分析，是只有一个自变量的线性回归，也叫一元线性回归。其回归方程为： * 其中a,b、对一对特定数据来说是常数： 第四节 双变量统计分析 例：以前例数据计算由（身高）预测（体重）的回归方程。 * 有了这一回归方程后，我们就可以由预测变量的值经回归方程计算出标准变量的预测值。如另一名大学生的身高为170厘米，则其体重的预测值为65.78公斤。 第五节 多变量统计分析 一、阐释模式（elaboration) 所关心的是两个变量之间的关系，它是通过引进并控制第三变量，来进一步了解和探讨原来两个变量之间关系性质的统计分析方法。 因果分析 阐明分析 条件分析 * 因果分析的目标是检定被看作自变量的X与被看作因变量的Y之间，是否确实存在因果关系。引进若干前置变量（第三变量），以判明X与Y之间的因果关系是否为虚假的，即二者的关系是否为前置变量影响的结果。（例如，住户的拥挤程度对夫妻间冲突的影响） 阐明分析的目标则是探讨因果关系的作用方式与作用途径。 条件分析所关注的则是原关系在不同条件下是否会有所不同。 * 住户拥挤对夫妻冲突的影响（%） * 夫妻冲突 住户拥挤程度 高 低 高 低 63.8% 36.2% 4