统计学课件-相关分析.pptVIP

相关分析-1 一、相关概述 1、相关的概念 两个变量之间不精确、不稳定的变化关系，称为相关关系。 两个变量之间的变化关系，既表现在变化方向上，又表现在密切程度上。 两个变量之间的变化方向有： 正相关：两个变量的变化方向相同。 负相关：两个变量的变化方向相反。 零相关：两个变量的变化方向无一定规律。 从关系密切程度来看，两个变量的变化程度可大致分为 完全相关：两个变量的变化程度完全一致。 强相关：两个变量变化的一致性比较强。 中等相关：两个变量变化的一致程度中等。 弱相关：两个变量变化的一致性比较差。 完全不相关：两个变量变化程度没有一致性。 2．相关系数 用来描述两个变量相互之间变化方向及密切程度的统计指标称为相关系数，一般样本的相关系数用r表示，总体的相关系数用ρ表示。 相关系数的取值： -1≤ r ≤+1 0≤∣r∣≤1 相关系数的符号：“＋”表示正相关，“－”表示负相关。 3、相关系数的性质 相关系数不是由相等单位度量而来的，因此只能比较大小，不能做任何加、减、乘、除运算。 二、积差相关 1、积差相关及其适用条件 积差相关是英国统计学家皮尔逊（pearson）于20世纪初提出的一种计算相关的方法，因而被称为皮尔逊积差相关,也称为积矩相关（product moment correlation）。 积差相关适用于：两个变量都是连续数据；两变量总体都为正态分布；两变量之间为线性关系。 成对数据，样本容量要大。 2、积差相关条件的判断方法 连续变量： 根据得到数据的方式判断，测量数据。 正态分布 一般情况下，正常人群的身高、体重、智力水平、心理与教育测验的结果，都可按总体正态分布对待；如果要求比较高，则需要对数据进行正态性检验。 线性关系 根据相关散布图可判断两个变量之间是否线性关系。 图18-1 正相关 图18-2 负相关 散点的分布形状为椭圆形，可认为两变量之间具有线性关系。 图18-4 完全负相关 图18-3 完全正相关 当所有的点都分布在一条直线上时，两变量之间的关系为完全相关。 两个变量之间是否相关，要有充分的理论依据，并排除共变因素的影响。 图18-5 零相关 散点的分布没有明显集中在某一方向的趋势，形成圆形区域时，两变量之间的关系为零相关。 3、积差相关系数的计算公式 积差相关系数的定义公式 协方差 积差相关系数为 （ 18．1 ） 公式中： 为变量X的平均数， 为变量Y的平均数， 为变量X的标准差， 为变量Y的标准差， n 为数据的对数 或 计算得到了相关系数，还不能确定这两个变量一定具有相关关系，需要对相关系数进行显著性检验之后，才能做出判断。 表18-1 10个学生初一与初二数学成绩积差相关系数计算表 序号 X Y 1 74 76 3 3.7 11.1 9 13.69 2 71 75 0 2.7 0 0 7.29 3 72 71 1 -1.3 -1.3 1 1.69 4 68 70 -3 -2.3 6.9 9 5.29 5 76 76 5 3.7 18.5 25 13.69 6 73 79 2 6.7 13.4 4 44.89 7 67 65 -4 -7.3 29.2 16 53.29 8 70 77 -1 4.7 -4.7 1 22.09 9 54 62 -6 -10.3 61.8 36 106.09 10 74 72 3 -0.3 -0.9 9 0.09 合计 710 723 134 110 268.10 计 算 先计算变量 X 和 Y 的标准差: 再将数据代入公式计算积差相关系数: 积差相关系数的原始数据计算公式 （ 18．2a ） （ 18．2b ） 表18-2 10个学生初一与初二数学成绩积差相关系数计算表 序号 X Y XY 1 74 76 5476 5776 5624 2 71 75 8041 5626 5325 3 72 71 5184 5041 5112 4 68 70 4624 4900 4760 5 76 76 5776 5776 5776 6 73 79 5329 6241 5767 7 67 65 4489 4225 4355 8 70 77 4900 5929 5390 9 54 62 4225 3844 4030 10 74 72 5476 5184 5328 合计 710 723 50520 52541 51467 代入公式计算: 两种公式计算结果相同，但以原始数据的计算公式更为简捷和准确。 三