第五讲 双变量相关分析.pptVIP

第五讲 双变量关系统计——相关分析与检验 双变量关系的统计类型 双变量关系强度测量的主要指标 第一节 平均值分析 MEANS过程 单一样本T检验 (One-Sample T Test） 独立样本T检验 (Independent-Sample T Test) 配对样本T检验 (Paired-Sample T Test) 方差分析（One-Way ANOVA） 2、结果分析 表5-9 是血红蛋白值的观测量个数、均值、标准差和均值的标准误等统计量。 第二节 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。 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5—11 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4－15 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。 第四节 回归分析 回归分析是处理两个及两个以上变量间线性依存关系的统计方法。 回归分析作为一个严肃的统计学模型，有着严格的使用条件。因此在做回归分析之前，应该对数据进行基本的判断。如作出散点图、观察变量间的趋势等。 Analyze—Regression—Linear Dependent:因变量，只选一个 Independent:自变量，可选入多个自变量。 Method:对自变量的选入方法。 Enter:强行进入法 Forward：向前选择法 Backward：向后剔除法 Stepwise：逐步进入法 （例，及解释） 先做散点图：09-03 Graphs--scatter 剩余变差：Y值对于回归直线的偏差。 回归变差：回归已知时误差减少的量。 总变差=剩余变差+回归变差 总平方和=未解释的平方和+已解释的平方和 扩展——几个自变量的线性回归示例： 如：现工资与受教育水平、初始工资、工作经验、职位之间的回归模型。 从源变量框中选取成对变量移入。 所选变量。 同图5－9 图5－10 Paired-Sample T Test 对话框 三、例题分析 某单位研究饲料中缺乏维生素E与肝中维生素A含量的关系，将大白鼠按性别、体重等配为8对，每对中两只大白鼠分别喂给正常饲料和维生素E缺乏饲料，一段时期后测定其肝中维生素A含量（μmol/L）如下，现在想知道饲料中缺乏维生素E对鼠肝中维生素A含量有无影响。 正常饲料组 18.3 31.9 8 26.2 36.1 7 28.3 39.3 6 34.0 39.8 5 33.5 41.4 4 18.8 31.4 3 25.1