列联表模型.docVIP

有些数据是类型变量，要求做因素影响的显著性分析或相关分析可以采用本模型 本模型的相关分析涉及三种相关系数，而且是层层递进的，我们可以刻意将它们写成模型的一步步改进 列联分析模型 列联表 列联表是由两个及两个以上的变量进行交叉分类的频数分布表。我们以是否就业和政治面貌为例，可以有以下列联表（24）： 表1.2.1 群众 团员 党员 其他 总和 就业 没就业 总和 n 其中，n是总体样本数。交叉项为频数。 列联表中统计量 统计量常用于列联表中变量之间是否相关的检验。用表示观察值频数，用表示期望值频数，则统计量可以写为： （公式1.2.2） 的自由度计算： 自由度=（行数-1）（列数-1）=（R-1）（C-1） 如表1.2.1（24）列联表的分布的自由度为（2-1）（4-1）=3 φ相关系数测定与影响就业因素间的相关性 φ相关系数是描述22列联表数据相关程度较好的一种相关系数。计算公式为： （公式1.2.3.1） 式中，是按（公式1.2.2）计算出的值；n为列联表中的总频数，及总体样本数。 由表1.1知，有五个影响因素是二分变量，我们可以采用φ相关系数分析的方法。其列联表如下： 表1.2.3 是否就业与因素X的22列联表 因素X 总计 x1 x2 就业（1） a b a+b 没就业（2） c d c+d 总计 a+c b+d 表1.2.3中，a,b,c,d均为条件频数。在22列联表中，每个单元中频数的期望值为： 由（公式1.2.2）有： 将此结果代入（公式1.2.3.1），得到： （公式1.2.3.1） 分析： 由上式我们知道，当ab-bc时，φ=0，两者完全独立。若b=0,c=0, φ=1;若a=0,d=0, φ=-1。由于列联表中，变量的位置可以任意变换，因此φ的符号在这里没实际意义，其绝对值=1只是表面两者完全相关。在此模型中，φ的取值范围是在0~1之间，且φ的绝对值越大，说明是否就业与因素X的相关程度越高。对于表1.1中的五个二分变量的因素的研究，我们可以采用22列联表的φ相关系数。但是对于其他的不是二分变量的因素，其在列联表RC中的列数C大于2时，φ系数将随C的增大而增大，且φ没上限。这时用φ系数测定两者的相关程度就不够清晰，所以，对其他的因素与是否就业之间的相关性的测定，我们采用列联相关系数。 列联相关系数（C系数）测定与影响就业因素间的相关性 列联相关系数用于大于22列联表的情况。C系数的计算公式为： （公式1.2.4） 分析： C系数的特点是，其可能的最大值依赖于列联表的行数和列数，且随着R和C的增大而增大。因此，根据不同的行和列计算的列联系数不能比较。所以，我们对方案进行改进，采用V相关系数测定与影响就业因素间的相关性，并进行排序。 V系数测定与影响就业因素间的相关性 V系数是鉴于φ系数无上限、C系数小于1的情况。计算公式为： （公式1.2.5） 式中表示取行数和列数中较小的一个。由于此模型中，行数均为2，所以，得到的V相关系数不随列数的增大而变化，我们可以用V相关系数来比较各因素与是否就业的相关性。