教程教材课程.ppt

从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，这两者之间不相关的双尾检验值为0.001。体重观测值的协方差为100.278，而鸡冠重观测值的协方差为761.556，体重和鸡冠重的协方差为239.111。 从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。并且，否定了小鸡的体重与鸡冠重之间不相关的假设。 Pearson相关系数距阵 2、定序变量的Spearman分析实例 为研究集团迫使个人顺从的效应，一些研究者用F量表和为测量地位欲而设计的一种量表对12名大学生进行调查。欲知道对权威主义的评分之间相关的信息。 学生 A B C D E F G H I J K L 权威主义 2 6 5 1 10 9 8 3 4 12 7 11 地位欲 3 4 2 1 8 11 10 6 7 12 5 9 权威主义和地位欲评秩 1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 2）选择power和position 变量进入 Variables框中。 3）在Correlation Coefficients栏内选择Spearman选项。 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。 分析步骤 从表中可看出，权威主义和地位欲的相关系数为0.818，这表明权威主义越高的人地位欲也越高。权威主义与地位欲不相关的假设检验值为0.001，否定假设，即权威主义与地位欲是相关的。 结果分析 3、定序变量的Kendall分析实例 仍用前例中的数据（数据文件：权威（Spearman相关）.sav） 。操作过程相同，只是在第3）步在Correlation Coefficients栏内选择Kendall’s选项。结果如下： 从表中可看出，权威主义和地位欲的相关系数为0.667，这表明权威主义越高的人地位欲也越高。权威主义与地位欲不相关的假设检验值为0.003，否定假设，即权威主义与地位欲是相关的。Kendall相关分析所得到的结果类似于Spearman分析。 二、偏相关 一、概念 当有多个变量存在时，为了研究任何两个变量之间的关系，而使与这两个变量有联系的其它变量都保持不变。即控制了其它一个或多个变量的影响下，计算两个变量的相关性。 二、偏相关系数 偏相关系数是用来衡量任何两个变量之间的关系的大小。 一、主要功能： 调用此过程对变量进行描述性统计分析，计算均值、标准差、全距和均值标准误差等，并可将原始数据转换成Z分数。 二、描述统计量分析 按Analyze Descriptive Statistics Descriptives顺序单击，打开 Descriptives主对话框。如图 选一个或多个变量移入 如选中此框，将对Variables框中选择的变量进行标准化产生相应的Z分值，并作为新变量保存到数据窗口，其变量名在原变量名前加z。 Descriptive 对话框 2、描述性统计分析过程 Options 对话框 基本统计量 当Variables框中有多个变量时，此框确定其输出顺序： 按Variables框中的排列顺序输出 按各变量的字母顺序输出 按均值的升序排列 按均值的降序排列 分布 2770 2915 2795 2995 2860 2970 3087 3126 3125 4654 2272 3503 4218 3418 3921 2669 3707 2310 2573 3881 三、例题分析 已知20个初生婴儿的体重数据如下表，对其进行描述统计。 20个初生婴儿的体重（g） 1、操作步骤： 打开数据文件“婴儿体重.sav”。打开 Descriptives主对话框，选定变量t进入Variable栏中。 选中Save standardized values as variables 复选框，要求计算变量的z值，并保存结果到当前数据集中。 单击Options 按钮，选中Mean、Std.Deviation、Minimum、Maximum 、Variance 项。 婴儿体重的描述统计量 这时打开原数据集，可看到多了一列zt，这是t 的z 分数，如下图所示： 保存了z 分数的数据