关联性分析-my数位学习.ppt

第17章 關聯性分析 學習目標 讀完本章你應該了解： 如何用相關分析研究兩個或兩個以上變數之間的關係。 積差相關係數之使用、要求及解釋。 如何利用最小平方法，得到誤差最小的迴歸線並進行預測。 學習目標（續） 讀完本章你應該了解： 4. 如何檢定迴歸模式的線性，迴歸方程式是否有效配適資料。 5. 無母數關聯性分析，以及在無法符合母數分析技術的關鍵假設與要求時，如何改用無母數分析。 連結與不連結 關聯性分析：區間/比率尺度 關聯性分析：順序 關聯性分析：名目 Pearson積差相關係數 二變數之間相關性的散佈圖 具有相同統計摘要的散佈圖 共變異數的圖解說明 相關的解釋 人為相關 相關係數之解釋 比較簡單線性迴歸與相關 不同斜率的範例 迴歸概念的應用 葡萄酒價格和平均生長溫度 觀測值X對應的Y分配 葡萄酒價格研究範例 最小平方迴歸線：葡萄酒價格研究 葡萄酒價格的標準殘差圖 預測區間與信賴區間和X的關係 適合度檢定 變異的組成成分 迴歸之F值 判定係數：r2 以卡方為基礎的測量 錯誤減少比例的測量 順序尺度資料的測量 計算一致(P) 、不一致(Q) 、相等(Tx,Ty)以及總配對數之計算：以 KeyDesign公司為例 用於計算Spearman’s Rho的KDL公司資料 關鍵詞 人為相關（artifact correlations） 二元相關分析（bivariate correlation analysis） 二元常態分配（bivariate normal distribution） 以卡方為基礎的測量（chi-square-based measures） 列聯係數C（contingency coefficient C） Cramer’s V phi, φ 判定係數（coefficient of determination, r2） 一致（concordant） 不一致（discordant） 適合度（goodness of fit） lambda, λ 線性（linearity） 最小平方法（method of least squares） 關鍵詞（續） 順序測量（ordinal measures） gamma, γ Somers’s d Spearman’s rho, ρ tau b, τb tau c, τc Pearson相關係數（Pearson correlation coefficient） 預測區間與信賴區間（prediction and confidence bands） 錯誤減少比例（proportional reduction in error, PRE） 迴歸分析（regression analysis） 迴歸係數（regression coefficients） 截距（intercept, β0） 斜率（slope, β1） 殘差（residual） 散佈圖（scatterplot） 簡單預測（simple prediction） tau, τ 6.25 25.00 2.52 0.25 4.00 4.00 4.00 6.25 4.00 _1.00_ 57.00 . -2.5 5.0 -1.5 .05 -2 2.0 2.0 -2.5 -2 1.0 6.0 5.0 8.0 1.5 3.0 7.0 1.5 9.0 10.0 4.0 3.5 10.0 6.5 2.0 1.0 9.0 3.5 6.5 8.0 5.0 1 2 3 4 5 6 7 8 9 10 d2 d 心理學家y 評審小組x 應徵者 評等 This chapter explains the use of several techniques including correlation analysis and regression analysis. A correlation coefficient of any magnitude or sign, regardless of its statistical significance, does not imply causation. Correlation provides no evidence of cause and effect. There are several alternate explanations that may be provided for correlation results and these are listed in the slide. Note that causation may actually exist, but the correlation only shows that a relations