第12章-双变量关联性分析.ppt

统计图表 主要内容 直线相关相关的概念及应用条件 相关系数的意义及计算 相关系数的假设检验 线性相关分析的注意事项 秩相关的应用条件及方法步骤 列联表的关联性分析 【问题12-1】 该资料有何特点？ 该资料应做何种统计分析？步骤如何？ 直线相关分析的注意事项 相关分析资料要求x、y 都应是来自双变量正态总体的随机变量。 进行相关分析前，应先绘制散点图。 相关分析要有实际意义，不能把毫无关联的两个事物或者现象拿来做比较。 不能只根据相关系数绝对值的大小来推断两个变量之间有无相关以及相关的密切程度，而必须对相关系数做假设检验。 Spearman秩相关分析原理 它是用等级相关系数 来说明两个变量间相关关系的密切程度与相关方向。 其基本思想是将n对实测值xi、yi ( i ＝1，2，3，…，n) 分别由小到大编秩，并以其秩次进行积矩相关分析。 计算公式： 关联分析 * * 【例12-1】 2000年测得某地16名7岁男孩体重与胸围资料，见表12-1。 表12-1 2000年某地16名7岁男孩体重与胸围资料 直线相关 57.0 58.0 52.0 53.0 54.5 55.6 56.0 58.5 58.7 58.6 58.4 59.3 64.0 60.0 62.0 61.0 胸 围（cm） 21.0 20.2 19.0 20.0 17.2 19.5 19.7 24.8 24.6 26.8 26.7 23.0 28.5 23.5 27.0 24.5 体 重（kg） 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 编 号 【分析】 连续型随机变量，属于定量资料 。 可以探讨它们之间的相关关系，还可分析两变量之间的数量依存关系 。 直线相关 相关分析的概念 直线相关(1inear correlation)，又称简单相关(simple correlation)，是用来描述具有直线关系的两变量x、y的相互关系的统计方法。 应用条件：要求两变量均来自于双变量正态总体的随机变量。 变量不分主次，处于同等地位。 直线相关 相关系数的意义及计算 直线相关系数(linear correlation coefficient)亦称Pearson积矩相关系数，是定量描述两个变量间直线关系的方向和密切程度的指标 总体相关系数用 表示，样本相关系数用r表示 直线相关 直线相关 进行相关分析时，首先绘制散点图(scatter plot)， 初步判断两变量间的关系。 (a) 0< r <1 (b) -1< r <0 (c) r =1 (d) r =-1 直线相关 (e) r =0 (f) r =0 (g) r =0 (h) r =0 直线相关 图12-2 2000年某地16名7岁男孩体重与胸围散点图 直线相关 没有单位，取值介于-1与1之间 相关方向用正负号表示 相关的密切程度用绝对值表示 直线相关 计算例12-1中体重与胸围间相关系数 计算基础数据，并列成相关系数计算表 求出 、 、 、 、 （见表12-2） 代入公式，求出相关系数 值。 表12-2 2000年某地16名7岁男孩体重与胸围相关系数计算表 21332.38 53813.56 8548.30 926.6 366.0 合计 1197.00 3249.00 441.00 57.0 21.0 16 1171.60 3364.00 408.04 58.0 20.2 15 1363.90 3516.49 529.00 59.3 23.0 5 1824.00 4096.00 812.25 64.0 28.5 4 1410.00 3600.00 552.25 60.0 23.5 3 1674.00 3844.00 725.00 62.0 27.0 2 1494.50 3721.00 600.25 61.0 24.5 1 (6)=(2)×(3) (5)=(3)2 (4)＝(2)2 胸围cm （3） 体重kg （2） 编号 （1） 直线相关 直线相关 相关系数的假设检验 查表法 根据自由度 ，查附表14，将所得 值与某概率水平（如0.05）对应的 界值相比较，若