spss：两个有序分类变量的相关分析『kendallstau-b相关系数』.docxVIP

SPSS ：两个有序分类变量的相关分析 Kendall#39;#39;#39;#39;s tau-b 相关系数』 、问题与数据 某研究者开展了一项人们对税收看法的调查，拟调查人们对 本国税收过高”的赞同程度（ Strongly Disagree ——非常不 同意，用“ 0 同意，用“ 0”表示Disagree 不同意，用 1”表示； Agree 同意，用“ Agree 同意，用“ 2” 表示Strongly Agree 非常同意， 用“ 3”表示，）变量名为 tax_too_high 。 同时，研究者也调查了收入情况，分为三组“Low 同时，研究者也调查了收入情况，分为三组“ Low”、“ Middle ” 和“ High ”，变量名为come。研究者想知道两个有序分类变 量 tax_too_high 和 income 之间是否存在相关以及相关的方 向。部分数据如下图：、对问题的分析 向。部分数据如下图： 、对问题的分析 要判断两个有序分类变量之间是否存在相关，建议使用 Kendalls tau-b 相关分析， 但需要先满足 3 项假设：假设 1： 两个变量需是连续变量或有序分类变量，可以有三种情况： ①两个连续变量；②两个有序分类变量；③一个有序分类变 量，一个连续变量。 假设 2：两个变量应当是配对的，即来源于同一个个体。 2。本例中，两个变量 tax_too_high 和 income 都是等级变量， 符合假设 1 ；两个变量均对应同一研究对象，符合假设 扩展阅读两个连续变量间呈线性相关时， 可以使用 Pearson 相关系数， 不满足 Pearson 2。 Spearman 相关系数来描述。 Spearman 相关系数又称秩相 关系数，是对两变量的秩次大小作线性相关分析，对原始变 量的分布不作要求，属于非参数统计方法， 适用范围要广些。 量的分布不作要求， 属于非参数统计方法， 适用范围要广些。 对于服从 Pearson 相关的数据亦可计算 Spearman 相关系数， 但统计效能要低一些。 Kendalls tau-b 等级相关系数适用于两个分类变量均为有序 分类的情况（也可以用于有序分类变量 +连续变量或两个连 续变量）。 Kendalls tau 是由英国统计学家 Maurice George Kendall 爵士于 1938 年提出。 Kendalls tau 秩相关系数包括一组评 Kendalls tau-b价系数： Somers D、Goodman- Kruskals gamma（ 丫）、 Kendalls tau-b Kendalls tau （a、 b、 c） ，其中较常用的是 和 Kendalls tau-c 。 般认为，tau-b更适合正方形表格（即行和列的数量相同） tau-c 更适合长方形表格， 但用 tau-b 来分析长方形表格也比 较常见。 三、 SPSS 操作 在主界面点击 Analyze 宀 Correlate 宀 Bivariate ，在 Bivariate Correlations对话框中，将变量 Bivariate Correlations 对话框中，将变量 income 和 tax_too_high 选入 Variables 框中；在 Correlation Coefficients -区域去掉勾选 Pearson，勾选 Kendalls tau-b , 点击 OK 。 四、结果解释 变量 tax_too_high 和 income 间相关关系强弱和方向见下图。 Kendall s ta-bu 相关系数取值范围在 [-1 ，+1] ，负值代表负相 关，正值代表正相关， 0 则代表不存在相关关系。两变量间 相关的强弱没有规定数值。总的来讲，相关系数越接近0 相关的强弱没有规定数值。总的来讲，相关系数越接近 0， 相关关系越弱；越接近 -1 或+1，相关关系越强。 本例中，Kendall s tabu 相关系数为 0.535 (“ Correlation Coefficient ” Coefficient ” 行P=0.003，说明对“税收过高”的看法 tax_too_high )和收入( income )存在正相关关系，即随 着收入的增加认为税收过高的人数增高。 相关系数的 P 值为 0.003 (“ Sig. 2(-tailed )”行)。需要注意的是， P 值不代表 相关关系的强弱，只代表统计上相关系数是否等于 0。 以上结果可以表述为：对“税收过高”的看法( tax_too_high ) 和收入( income )存在较强的正相关关系， Kendall s tau-b=0.535 ， P=0.003 。(注意不要使用提示因果关系的词 语，如“导致”等。以下为错误