SPSS教程第五章_相关分析.pptVIP

* 通常情况下显示皮尔逊卡方检验（Pearson chi-square test） 、拟然比卡方检验（Likehood ration chi-square test ）、线性相关卡方检验（Linear-by-linear association chi-square test） 、费歇精确检验（Fisher’s exactly test ）、耶次校正卡方检验（Yete’s corrected chi-square test） 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。 性别与四级英语考试通过率的相关统计 表述：统计结果显示，当性别取值不同时，通过率变量的取值并未发生变化，因此性别与考试通过率无关。 自变量的不同取值在因变量上无差异，两变量无关。 自变量的不同取值在因变量上有差异，两变量有关。 表述：统计结果显示，当性别取值不同时，收入变量的取值发生了变化，因此性别与月收入有关。 自变量 因变量 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 自变量 因变量 人数 行百分比 列百分比 总百分比 边缘百分比 边缘百分比 条件百分比 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 15 15 65 5 观察值 边缘概率 边缘概率 期望条件概率 9 9 -9 -9 残差 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： A、φ系数（Phi）： (0~1), 适用于2×2表。 B、 列联系数（Contingency Coefficient）： (0~1)，适用任意表。 C、 Cramer V系数：(0~1)，适用任意表。 D、λ系数(Lambda)： (0~1)，适用任意表。 E、 Goodman Kruskal-tau系数: (0~1)，适用任意表。 二、列联表分析过程 主要功能： 调用列联表分析过程可进行计数资料和某些等级资料的列联表分析，一个行变量和一个列变量可组成一个二维列联表，如再加一个控制变量则可组成一个三维列联表。而多个行、列、控制变量就可组成一个复杂的多维列联表。在分析中可对二维和多维列联表资料进行统计描述和x2检验，并计算相应的百分数指标。此外，还可计算四格表确切概率（Fisher’s Exact Test），且有单双侧（One-Tail、Ywo-Tail）、对数拟然比检验（ Likelihood Ratio）以及线性关系的Mantel-Haenszel x2检验。 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 该框中的变量作为分布表中的行变量，必须是数值型或字符型等分类变量。 该框中的变量作为控制变量，决定频数分布表中的层，可有多个控制变量，如要增加新的控制变量，按Next 键，要修改以前的变量按Previous 键 显示每一组中各变量的分类条形图。 只输出统计量，不输出多维列联表。 见图4--32 见图4--33 见图4--34 图4—31 Cros