第四章--相关测量法预测量层次.ppt

例：为了研究受教育年限和职业声望之间的关系，设以下是8名抽样调查结果：

最后将a、b计算结果代入Y=bX+a得回归方程Y=32.04+2.92x

据此可作如下估计：如果教育年限为12年,职业声望得分y=32.04+2.92?12=67.08预测值与实际值有差别，如表上显示有两名调查对象声望分别为70和75，但估计均为67.08.然而，如果是以一条简单的直线作为预测的工具，上述的方法所犯的误差总数是最小的。二、积矩相关测量法(皮尔逊Pearson的积矩相关系数r)

Pearson相关系数：测量两个定距变量相关程度的最好尺度；表示以线性回归方程作为预测工具时所能减少的误差比例。若r系数值越大，就表示线性回归方程式的预测能力越强。在社会学研究中，通常是先计算r系数值，然后才决定是否运用简单线性回归分析法来预测数值。积矩相关系数r性质

?r系数假定x与y的关系是对称关系，即是对称测量，ryx=rxy?适用定距测量层次?取值范围[-1，+1]r?0.2，社会学中一般认为不呈直线相关(经济学中为0.3)0.2r?0.5，低度相关0.5r?0.8，显著相关r0.8，高度相关R2称为决定系数(或制定系数或判定系数)具有PRE的意义PRE=积矩相关的计算公式回归方程Y=1+X相关系数=r与线性回归的关系r表示的是以线性回归方程式作为预测工具时所能减少的误差比例。所以，r系数越大，表示线性回归方程式的预测能力越强。先计算r值，再决定是否用线性回归分析法。R与b的区别：

R对称测量,b非对称测量R不受单位影响,b受单位影响b反映回归强度，R反映预测效果-1?R?1，b没有取值限制b反映因果关系，R反映相关关系反映回归直线的拟合程度取值范围在[0,1]之间R2?1，说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差等于相关系数的平方，即R2=(R)2例题：为了研究受教育年限与职业声望之间的关系。设一下是八名抽样调查结果：调查对象教育年限职业声望11270216803950419865219061065754481275练习题以下是子代和父代受教育年限的抽样调查：请拟合回归直线，计算相关系数和判定系数，并解释其意义。子代246810父代45879注意：r系数假定X与Y的关系是对称的，不必区分自变量与因变量；而简单线性回归方程系数b则不同；r系数与简单线性回归分析都是假定X与Y的关系具有直线的性质。若这个假定不符合实际情况，就会犯错误。定类与定距变量：相关比率法：能够测量出Y（定距）变量值在不同X（定类）变量值中的差异情况；具有消减误差比例的意义；公式：另一个作用：分析两个定距变量间的非线性关系（比r系数值要优越）例题下表是20名学生家庭的职业背景与其英语水平的统计表，请根据表格展示内容，计算二者之间是否有关系：干部工人农民英语水平7852838259759173829061788580808151836454定类变量与定序变量：最适合的分析方法：θ系数，又称为区分系数（coefficientofdifferentiation），基本逻辑是根据各个个案在定类变项上的所属类别来估计他们定序变项上的相对等级；不对称测量法[0,1]没有削减误差比例的意义Lambda，tau-y测量法；将定序变看作定类变量。虽然损失了定序变量的数学性质，但方便了统计工作，故经常被采用。注：相关系数值在相互比较时，意义更加突出。但是，要进行相互比较，就要尽可能采用同样的相关测量法。定序变量与定距变量：采取多序相关系数（coefficientofmultiserialcorrelation）对称相关测量取值范围：[-1,1]；有削减误差比例的性质前提假设：两个变量具有直线相关；如果定序变项改用定距层次来测量，则其数值会呈现正态分布将定序变量看作定类变量；相关比率法:具有消减误差比例的意义。例题：将定序变量看做定距变量；采取积距相关系数来衡量相关度虽然有不合理的地方，但是在当前社会学研究中，大部分还是接受这种做法，重要的原因在于积距相关系数与回归分析法的基础上比较容易进行多变项的统计分析。课堂练习题100名中年男