第五章 相关分析(精品·公开课件).ppt

第五章 双变量关系描述统计 ——相关分析与检验 双变量的关系——有关与无关 寻找变量间的关系是科学研究的首要目的。变量间的关系最简单的划分即:有关与无关。 在统计学上，我们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。 双变量关系的统计类型 双变量的关系——关系强度测量 变量关系强度的含义:指两个变量相关程度的高低。统计学中是以准实验的思想来分析变量相关的。通常从以下的角度分析： A）两变量是否相互独立。 B）两变量是否有共变趋势。 C）一变量的变化多大程度上能由另一变量的变化来解释。 双变量关系强度测量的主要指标 双变量的关系——关系的性质 直线相关与曲线相关 正相关与负相关 完全相关与完全不相关 第一节 列联相关 一、列联分析的基本原理 自变量发生变化，因变量取值是否也发生变化。 比较边缘百分比和条件百分比的差别。 列联表的格式 卡方测量的原理 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，两变量不独立。 示例 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。在SPSS中，有Pearson X2和相似比卡方（Likelihood Ratio X2 ）两种。 的改进标准化系数： 为使 值有一固定的区间，便于比较，采用了以下几个修正： 三、列联表分析过程 列联表分析程序 按Analyze--Descriptive Statistics--Crosstabs 顺序打开 Crosstabs 主对话框。如图4—31 一、相关分析—— Correlate菜单 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。 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，分别对应着相关分析、偏相关分析和相似性测度的三个spss过程。 相关分析 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。 二、 Bivariate相关分析 在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。否则可能的出错误结论。 Bivariate相关分析的步骤：输入数据后，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框如图5－1 分析步骤 1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 2）选择weight 和coronary变量进入 Variables框中。 3）在Correlation Coefficients栏内选择Pearson。 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。 图5－2 Optins 对话框 对每一个变量输出均值、标准差和无缺省值的观测数。 对每一个变量输出交叉距阵和协方差距阵。 计算某个统计量时，在这一对变量中排除有缺省值的观测值。 对于任何分析，有缺省值的观测值都会被排除。 48 31 68 90 107 56 84 18 42 56 鸡冠重 （毫克） 70 75 91 90 95 90 90 69 72 83 体重 （克） 10 9 8 7 6 5 4 3 2 1 观测 号 连续