第三章-心理统计学22.pptVIP

相关 1、什么是相关？ 事物之间存在联系但又不能直接做出因果关系的解释时，称事物间的这种联系为相关 用一些合理的统计指标对相关事物观测值进行的统计分析叫相关分析。 相关 2、散点图 曲线相关(非线性相关） 直线相关（线性相关） 正相关 负相关 零相关 相关 3、相关系数 （coefficient of correlation） 两列变量间相关程度的数量化指标，或者说是用来表示相关关系强度的指标 相关系数的范围：-1≤r≤1 相关 相关系数的正负号表示方向，相关系数的绝对值表示相关的程度，绝对值靠近1的叫强相关，或高度相关，靠近0的，叫弱相关或低相关。 1 和-1的程度是一样，只是方向不一样。这时称为完全正相关或完全负相关，他们都是完全相关 相关 需要注意的是: 样本容量较小的时候，受抽样偶然因素的影响较大，很可能本来无关的事物却计算出较大的相关系数 我们测验要求抽样至少在300以上 相关 4、常用相关分析 （1）皮尔逊积差相关 英国统计学家皮尔逊提出的一种计算相关系数的方法，因而叫皮尔逊积差相关，简称皮尔逊相关 积差相关是一种运用较为普遍的计算相关系数的方法，也是揭示两个变量线形相关方向和程度最常用、最基本的方法 相关 积差相关条件 两个变量都正态分布（正态双变量） 两个相关变量都是连续变量，就是说都是测量的连续数据（等距或等比数据） 两个变量是线形关系，线形关系才能有相关 相关 （2）斯皮尔曼等级相关 英国心理学家、统计学家斯皮尔曼根据积差相关推导出来的，因而有人说它是积差相关的一种特殊形式。 测量数据不是等距或等比数据，而是等级数据 得到的数据是等距或等比的测量数据，但是总体分布不是正态 相关 （3）肯德尔W系数(肯德尔和谐系数) 适用多列等级变量的数据，两列以上 K个评分者对N个事物，N个人或N件作品等进行等级评定，如多个评委给多个选手打分 一个评价者先后K次评价N个事物，N个人或N件作品 相关 （4）点二列相关 一列是等距或等比的连续数据，且总体分布为正态分布。另外一列数据是二分变量，如男女，是非判断题的数据 （5）二列相关 一列是等距或等比的连续数据，另外一列数据是人为划分的二分变量，及格和不及格，健康和不健康 相关 （6）多列相关 一列是等距或等比的连续数据，另外一列数据是人为划分的多种类别的变量，如，学习成绩划为优良中差四个等级，三类叫三列相关，四类叫四列相关 相关 （7）四分相关 两列变量都是连续数据，每列数据是人为划分成两类 通常四分相关的资料会整理成四格表，是R×C表最简单的一种，因其只有四格，故名四格表，四格相关。 （8）φ相关（phi系数） 两列变量都是真正的二分变量，如一个变量是性别：男女，另一个是：吸烟和不吸烟 （9）列联表相关 R×C表，每个变量分成多个类别，3×3表 相关 质与量相关（按性质划分类别） 点二列相关、二列相关、多列相关 两列数据都按性质划分为类别数据，这种两个变量间的相关称为品质相关 四分相关、φ相关、列联表相关 回归 1、回归的由来 高尔顿在研究身高和遗传的关系时发现的 2、回归分析（regression analysis） 用数学模型来表述变量相关关系的方法 回归 3、相关分析和回归分析 回归可以说是相关分析的延伸和推广，相关分析是基础。 当我们的 目的是分析两个变量之间关系的密切程度时，一般使用相关系数，就是相关分析了 ，当我们希望找出变量间关系的合适的数学模型，并用这个数学模型来表示这种关系时，就要使用回归分析 回归 4、回归的分类 由于相关变量之间有线性和非线性相关之分，回归也可以分为线性回归（直线关系）和 非线性回归（曲线关系） 按回归分析涉及到的自变量的数目，回归可以分为一元回归(一个自变量，一个因变量)和多元回归（多重回归，两个以上的自变量） 回归 用来表示变量间规律的数学模型，叫做回归模型 根据回归的分类，回归模型也有两种分类： 直线模型和曲线模型 一元回归模型和多元回归模型 只有一个自变量的线性回归是最简单的回归模型，所以一元线性回归也叫简单线性回归（simple linear regression） 回归 5、回归方程（linear equation） Y＝a+bX 它代表自变量X和因变量Y的线性关系，常数a为该直线在Y轴上的截距，常数b为该直线的斜率。实际上也是