管理统计与应用软件第4章普通相关关系.ppt

主讲：孙小红 5.1相关分析有关概念 一、相互关系 分两种： 确定型 不确定型 确定型：对于两个变量而言，一个变量变化时，另一个变量也跟着变化，同时，前者的值确定时，后者的值也完全确定。 （如函数关系Y=X） 不确定型：对于两个变量而言，一个变量变化时，另一个变量也跟着变化，同时，前者的值确定时，后者的值不能完全确定，有多个可能的值。（如人的年龄与身高） 二、相关分析 三、相关分析的性质(内容) 1、相关强度：是指两个变量关系的密切程度。它用[0，1]之间的数值表示，数值越大表示两变量间关系强度也越强。0表示两变量无关，1表示全相关。 2、相关方向：表示两个变量变动方向的关系。它用“+”、“-”来表示，前者表示正相关（正比），后者表示负相关（反比）。 3、相关关系的系数 是介于[-1，1]间的一个数 四、相关的种类 1、按影响因素的多少分类 单相关：简单相关，即两个变量 复相关：三个或三个以上变量之间的相关 2、按相关的表现形态分类 线性相关 曲线相关 3、按线性相关变动方向来分 正相关 负相关 4、按相关程度可以分 不相关 弱相关 中度相关 高度相关 完全相关 [课堂练习] 一、多选题 1、下列属于正相关的现象是（ ） A、家庭收入越多，其消费支出也越多 B、某产品产量随工人劳动生产率的提高而增加 C、流通费用率随商品销售额的增加而减少 D、产品产量随生产用固定资产价值的减少而减少 2、相关关系按相关程度可以分为（ ） A、完全相关B、不完全相关C、不相关D、正相关E、负相关 二、单选题 1、通过相关系数的计算，可说明（ ） A、线性相关还是非线性相关 B、变量之间的因果数量关系 C、变量之间的相互依存关系 D、相关关系的性质和密切程度 2、变量之间的相关程度越低，则相关系数的数值（ ） A、越小 B、越接近于0 C、越接近于-1 D、越接近于1 5.2两个随机变量的样本相关 一、介绍Pearson相关 r系数 （ Pearson 系数）在实际中的意义： 1）若r为正数，说明两变量成正比关系； 2）若r为负数，说明两变量成反比关系。 二、用SPSS进行简单相关分析 简单相关分析（又称Pearson相关分析） 例子1：目标文件：Employee2.sav，我们要考察“开始工资”与“经验年数”的相关问题。 1）点击Analyze→Correlate→Bivariate，系统弹出一个对话窗口。 2）选项：变量– salbagin, prevexp 3）在对话窗口的第一个下框（Correlation coefficients）中，列出了三种相关系数，供选择。其中Pearson相关系数（即，简单相关系数）是系统的默认值。 4）结果说明： A）相关系数是r=0.045 B）t检验的显著性概率P=0.3270.05，说明相关系数是显著等于0的，也就是说基本无关。 例子2：目标文件：Employee2.sav，我们要考察“开始工资”与“当前工资”的相关问题。 1）点击Analyze→Correlate→Bivariate，系统弹出一个对话窗口。 2）选项：变量– salbagin, salary 3）在对话窗口的第一个下框（Correlation coefficients）中，列出了三种相关系数，供选择。其中Pearson相关系数（即，简单相关系数）是系统的默认值。 4）结果说明： A）相关系数是r=0.880 B）t检验的显著性概率P=00.01，说明相关系数是显著异于0的，也就是说两者高度相关。 5.3非线性相关 例子3：先来看一组数据（表一） 进行线性相关分析R=？ 结论：似乎没有关系 接下来介绍两变量间关系判断的另一方法 散点图判断法 一、非线性相关分析的基本步骤 1、做两变量的散点图； 2、估计两变量的非线性相关的函数形式，并做 相应的非线性变换； 3、计算变换前两变量的相关系数及非线性变换 后相关系数。 二、用SPSS进行非线性分析 以表一为例，步骤如下： 1、打开数据文件，先做散点图，点击Graphs-Scatter， 2、在弹出的窗口，选择simple，占击Define，选择变量。 3、根据散点图结果，推测Y=（X-3）2 4、做非线性变换，令Z=（X-3）2 5、利用Transform-Computer，产生一个新变量Z 6、再做Y与Z间线性相关（可以不做Y与X间的线性相关） 5.4等级相关(Spearman相关) 用于次序级和刻度级数据 等级相关又称非参数相关、名次相关或秩相关。 手工求法： 次序级数据： 刻度级数据： 用SPSS求的步骤： 1、 击Analyze→Correlate→Bivariate，系统弹出一个对话窗口。 2、选择变量 3、相关