8-1(相关)PPT.ppt

第八章 相关分析;第一节 相关分析;变量间的关系;相关关系——;相关关系的例子;（续）;二、相关关系的测定;（一）相关表和相关图;相关关系的图示; 例1 score.sav: 从大学统计系学生中随机抽取16人,分 析统计学成绩和数学成绩的关系 ; 例2 十只小鸡的体重与鸡冠的数据: 分析小鸡的体重与鸡冠的相关关系;例3 :;（二）相关系数;Pearson 简单相关系数;Pearson 简单相关系数;相关系数取值及其意义;（续）;相关系数的显著性检验——t 检验;; Correlate菜单;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一般不单独使用，而作为因子分析等的预分析。;Bivariate相关分析;基本操作;图8－1 Bivariate Correlations 对话框;图8－2 Optins 对话框;1 连续变量的相关分析实例 例1 score.sav 从大学统计系学生中随机抽取16人,分 析统计学成绩和数学成绩的关系. ; 例2 十只小鸡的体重与鸡冠的数据: 分析小鸡的体重与鸡冠的相关关系; 从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，这两者之间不相关的双尾检验值为0.001。。 从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。并且，否定了小鸡的体重与鸡冠重之间不相关的假设。;例3 :;观测 号;分析步骤;4）在Test of Significance栏选择Two-tailed。 5）选择Flag significant correlation。 6）单击Options按钮，选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项。 7）单击OK完成。;学生;1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 2）选择power和position 变量进入 Variables框中。 3）在Correlation Coefficients栏内选择Spearman选项。 4）在Test of Significance栏选择Two-tailed。 5）选择Flag significant correlation。 6）单击Options按钮，选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项。 7）单击OK。; 从表中可看出，权威主义和地位欲的相关系数为0.818，这表明权威主义越高的人地位欲也越高。权威主义与地位欲不相关的假设检验值为0.001，否定假设，即权威主义与地位欲是相关的。;3、定序变量的Kendall分析实例;第一节 相关分析;Spearman等级相关系数;Spearman等级相关系数;Spearman等级相关系数;Spearman等级相关系数;Spearman等级相关系数;Spearman等级相关系数;目的;一致;计算; 例1 评委评分数据:分析两位评委评分的 相关程度;从表中可看出，两位评委评分的Kendall相关系数为0.200，这表明两位评委评分正相关。两位评委评分的相关性检验p值为0.4210.05，接受原假设，即两位评委评分是不相关的。Spearman相关分析所得到的结果类似。;例2 worker: 分析工作满足感与归属感的关系;第2节 偏相关分析;例 partial.sav 某地29名13岁男童身高,体重及 肺活量的数据,计算身高,体重与 肺活量的简单相关系数 ; 在多要素所构成的系统中，先不考虑其它要素的影响，而单独研究两个要素之间的相互关系的密切程度，这称为偏相关。用以度量偏相关程度的统计量，称为偏相关系数。;3个要素