心统1215章复习提纲.docVIP

心统12-15章复习提纲 相关 相关的概念 相关是度量和描述两个变量之间关系的一种统计技术。 数据要求：一定要有至少两个变量，两组分数。 应用相关的研究情境： 预测效度 - 如果两个变量间有强相关, 我们就可以根据一个变量的值，预测另一个变量的值。例如, 如果知道某些人格特征，可以预测员工绩效。 相容效度 – 如果发明新的心理测验 (测验A), 想知道它是否测量了X，就需要知道测验A是否与X相关。 效标关联效度-- 如果发明新的量表，管理潜能量表来预测晋升所需时间，这个量表分数应当与晋升所需时间相关。 重测信度 – 如果对同一组被试两次用相同的测验,将两组分数做相关。如果测验是可信的, 两次测验应当得到相似的结果, 产生高相关。 理论验证（构想效度）– 比如验证社交技能与焦虑的相关。 相关表明变量X和Y之间关系的3个特征： 1)关系的方向：正相关 (正数) 意味着两个变量向相同的方向变化。亦即一个变量增加，另一个变量也增加。负相关 (负数) 意味着两个变量向相反的方向变化。亦即，一个变量增加，另一个变量反而减少。 2)关系的形式：本课集中讨论线性(直线)相关，但两变量的关系也有其他形式。 关系的程度：相关也度量了X和Y间关系的强度.相关系数的值在-1和+1之间。0相关意味着没有关系. +1意味着完全的正相关，-1意味着完全的负相关。0.7+意味着较强相关，0.3-0.5也认为有相关。 考察相关应先看散点图，获得直观的结果。 相关的解释 数值的大小形容关系密切程度，但不能定量描述，正负表示相关的方向。 解释关系强度应考虑r^2（等于回归和方/总和方）,不只是r。----------原理见卡方检验部分Y方差的分解。 它表明了：一个变量的方差中，由X和Y间的相关解释的方差的比例。 当r=0.7时，r2=0.49，即Y变量49%的变异能够由X推出。 积差相关的效应大小——Cohen’s Convention： r=.10 小的效应 r=.30 中等效应 r=.50 大的效应 积差相关的相关系数与统计效力（检验是否相关）换算表：（双尾） N \ 相关系数 0.1 0.3 0.5 10 0.06 0.13 0.33 20 0.07 0.25 0.64 30 0.08 0.37 0.83 40 0.09 0.48 0.92 50 0.11 0.57 0.97 100 0.17 0.86 1 相关描述两个变量之间的关系,但并不能解释变量相关的原因。在相关研究中, 研究者没有操纵一个(或几个) 变量而保持其他变量不变。因此，相关计算绝不能得到因果性推论。 伪相关（第三变量）：一位研究者发现某月洒咖啡的次数和空难次数呈强的正相关。（飞行次数多所以空难多，洒咖啡多） 一位研究者发现警察局的规模X和犯罪量Y呈强的正相关。（城市大，所以警察局大，犯罪量大） 这里我们发现另一个变量Z,同时导致X和Y,X和Y其实并不是因果关系，而是共变关系。 数据中的分数范围对相关有非常大的影响：----奇异值是否可靠？ 极端的分数对相关有非常大的影响： 显著性与n有关，相关性与n关系不大。 将相关的概念数量化： 我们主要讨论两种相关,Pearson积差相关,Spearman等级相关。 r=X和Y共同变化的程度/X和Y各自变化的程度=X和Y的协方差/X和Y各自的方差 共变意味着随着X 变化, Y 也变化。r=1.0(或 -1.0)，即完全的相关。意味着分子分数等于分母分数。 离差的乘积和SP： 求积差相关的数据资料的要求：要求成对的数据，每对数据之间相互独立，数据不宜少于30对，否则会没有代表性；两列变量各自的总体分布均为正态分布；两个相关变量是连续变量；两列变量之间的关系是直线型的。 定义公式：SP=∑（X-Xbar）（Y-Ybar）——对于每一点与X和Y的平均值的差，即离差，求两个离差的乘积，再求和。 SP的计算公式：∑XY-∑X∑Y/n 四、Pearson相关的计算：也称积差相关------不受数据单位转换的影响 r=SP/sqrt（SSxSSy)——分子SP是X和Y协方差的指标,分母是X和Y各自的变异。 计算时列表：X,X^2，Y,Y^2，XY 五、相关系数的显著性考验：-----------推论统计，n较小，r又不很大时需要检验 总体参数ρ，样本统计量r。 虚无假设和备择假设： 双侧: H0: ρ=0，X和Y之间无相关 H1: ρ≠0 单侧: H0: ρ=0，没有正相关 H1: ρ0 df=n-2 --------------与t检验无关 在论文中报告相关：对数据的相关分析显示受教育年限与年收入有显著相