基础统计学回顾.ppt

五、定类与定序 区分系数 下降处理 六、定序与定距 多序相关系数 下降处理 综合 114、206 上机操作 Crosstables 里面statistics选择 练习：针对数据，选择各种不同测量层次的变量进行相关测量 * * * * * * * * * 2、选择相关测量法的规则： （１）测量层次 （２）关系是否对称 （３）统计值的意义 3、为什么？ 定距层次的相关：数量上的“共变” 定类、定序：“连同发生”——隐含根据一个变量去预测或估计另一个变量的意思 人们正是根据预测的准确程度来界定定类或定序变量之间的关系的——消减误差比例 （二）消减误差比例　（PRE） 用一个变项来解释另一个变项时能够减少的错误比率 志愿 性别 男 女 总数 快乐家庭 10 30 40 理想工作 40 10 50 增广见闻 10 0 10 总数 60 40 100 上机操作 列联表输出 crosstable 第三节 相关测量法 一、两定类变项 （一）Lambda相关测量法 基本逻辑：以一个定类变项的值来预测另一个定类变项的值时，如果以众值作为预测准则，可以减少多少误差 公式： 特点： 1、因为它来自于消减误差比率，其值必定处于0与1之间 2、消减误差比例的解释方式 3、对自变量有区分 练习：根据下表数据计算lambda 志愿 性别 男 女 总数 快乐家庭 10 30 40 理想工作 40 10 50 增广见闻 10 0 10 总数 60 40 100 思考并运算：如果数据有如下变化，lambda值会发生什么变化呢？ 志愿 性别 男 女 总数 快乐家庭 10 10 20 理想工作 40 30 70 增广见闻 10 0 10 总数 60 40 100 存在的问题： 1、Lambda系数以众值为预测准则，不理会众值以外的次数分布，对数据利用率低。 2、因为上述计算方式，如果全部众值集中在条件次数表的同一列或同一行中，则Lambda系数会等于0，相关失去意义 （二）tau-y相关测量法 不对称 预测准则：包括全部边缘次数和条件次数 原理： 分别计算单独以因变量为依据进行预测所犯的错误总数以及引入自变量后预测所犯的错误总数，再用消减误差比例的思路进行计算 公式： 计算tau-y值 志愿 性别 男 女 总数 快乐家庭 10 10 20 理想工作 40 30 70 增广见闻 10 0 10 总数 60 40 100 （三）与卡方有关的相关测量法 （185-186） Phi系数 C系数 V系数 （暂略） 二、两定序变项 级序相关法 基本逻辑：根据任何两个个案在某变项上的等级来预测他们在另一个变项上的等级，可以减少的误差是多少 以每对个案之间的相对等级作为预测的准则 同序对 异序对 （一）Gamma系数 学生 成绩等级 数学 英文 A 4 2 B 3 3 C 2 1 D 1 4 计算逻辑： 所有对子，不知道顺序预测，所犯错位总数 按同序对预测的误差 按消减误差比例思路计算 Gamma系数按照同序对和异序对个数来计算两定序变量的相关程度和方向 同序对和异序对相差越大，说明相关越强 同序对大于异序对，表示两变项成正比 如果同序对小于异序对，就是反比 下表数据如何计算相关？ 工厂 积极性等级 产量等级 A 5 5 B 3 3 C 4 1 D 1.5 3 E 1.5 3 （二）dy系数 工厂 积极性等级 产量等级 A 5 5 B 3 3 C 4 1 D 1.5 3 E 1.5 3 如何利用次数表进行级序相关计算？ 参见教材90-94页 二者的适用（区分） dy系数分析不对称关系，Gamma系数分析对称关系 dy系数一般小于Gamma系数（为什么？） （三）其他系数 tau-a tau-b tau-c ——特点：无消减误差比例含义 rho系数 Q系数（Gamma系数的特殊情况） ——略 三、 两定距变项 简单线性回归：用自变量的数值预测或估计因变量的数值 积距相关系数：相关程度和方向 （一）简单线性回归分析 1、回归分析的目的：找出错误最小的方法来预测因变量的数值 注意：回归模型只是整个研究方案中的一环，它必须依赖理论和经验的支撑，服从研究设计的需要，在研究方法论的指导下展开 2、简单线性回归分析法 根据一个直线方程式，以一个自变量的数值来预测一个因变量的数值 原理： （1）散点图 （2）每个x值对应的y的均值，构成回归线（曲折） （3）用最小平方法绘制回归直线 （各个样本个案的估计误差和为误差总数。为避免正负抵消，改为将误差的平方值相加。如果回归直线位置能够使此平方和最小，即为最佳拟和直线） 线性回归方程式不但有简化资料的作用，而且可以推广应用于预测或估计样本以外之个案的数值 回归系数的意义： b值的大小表示每增加一个单位的x值，y