第八章-相关分析.pptVIP

第八章相关分析;相关分析;8.1基本数学原理;(1)Pearson相关系数度量两个变量之间的线性相关程度。相关系数前面的符号表征相关关系的方向,其绝对值的大小表示相关程度,相关系数越大,则相关性越强。

(2)Kendall偏秩相关系数是适用于度量等级变量或秩变量相关性的一种非参数度量。

(3)Spearman秩相关系数是Pearson相关系数的非参数版本,主要基于数据的秩而不是数据的值本身,它适用于等级数据和不满足正态假定的等问隔数据。;Pearson简单相关系数计算公式为;对Pearson简单相关系数的统计检验是计算t统计量，公式为

t统计量服从n?2个自由度的t分布。;Spearman等级相关系数为;;(4)Flagsignificantcorrelations核选框:默认时选择此项,表示在成果表中标注经检验显著的变量对,并在表的下方添加脚注,注明显著性水平。对于单侧检验,显著性水平为0.05,对于双侧检验,显著性水平为0.01。

(5)Options按钮:单击该按钮,打开BivariateCorrelation:Options对话框。在该对话框中可以设置更多的选项。

;-Statistics方框设置统计量的生成。

》Meansandstandarddeviations核选框选择此项,计算均值和标准离差。

》Cross-productdeviationsandcovariance核选框选择此项,计算叉积离差和协方差。

-MissingValues方框设置缺失值的处理方式。

》Excludecasespairwise单选钮为默认选项。选择此项,剔除正在进行相关分析的配对变量中含有缺失值的个案。

》Excludecaseslistwise单选钮选择此项,剔除所有含有缺失值的个案的全部数据。

;12.2.2应用实例;表1为相关表。表中列出了3个变量两两之间的Pearson相关系数(PearsonCorrelation)、双侧显著性检验概率(Sig.2-tailed)和数据组数(N)。脚注内容显示相关分析结果在0.01的水平上显著。另外,从表中可以看出,花瓣长和花枝长的数据具有很强的相关性。而双侧检验的显著性概率均小于0.01,因此否定零假设,认为相关系数不为零,变量之间具有相关性。;在以上设置的基础上,单击Options按钮,打开BivariateCorrelations:Options对话框,选择Statistics方框内的两个核选框,单击“Continue按钮,运行过程,生成表2和表3。

表2为描述统计量表。表中列出的统计量包括各变??的均值(Mean)、标准离差(Std.Deviation)和数据个数(N)。

;表3为添加了叉积平方和(SumofSquaresandCross-products)和协方差(Covariance)的相关分析成果表。

;实例2:对12个受试者的地位欲、权威主义和顺从性进行评秩,得到的数据文件为Testee.sav,试分析3者之间的相关性。;由于以上数据为评秩变量数据,用Kendall偏秩相关系数和Spearman秩相关系数进行分析。

在数据编辑器中打开该数据文件,变量分别定名为地位、权威和顺从。打开BivariateCorrelations对话框,在Variables列表框中输入以上变量,在CorrelationCoefficient方框中选择“Kendall’s”核选框和Spearman核选框,运行过程,生成表4。

;利用表4中Kendall法得到的系数,将0.667、0.388和0.357代入计算Kendall偏秩相关系数的公式,得结果0.62,该值与0.667相比差别较小,故可以认为地位欲与权威主义的相关性与顺从性无关。从表4中得到的Spearman秩相关系数可以看出,地位欲与权威主义在0.01的显著性水平上有较好的相关性,地位欲与顺从性在0.05的显著性水平上有较好的相关性。

;8.3偏相关系数;偏相关的有关公式：;偏相关分析的主对话框;偏相关的选择项对话框;偏相关应用实例输出1;偏相关分析输出2:;偏相关分析结论;8.4距离分析;8.4.1统计学上的定义和计算公式;距离相关分析的结果可以用于其他分析过程。例如，因子分析、聚类分析等，有助于分析复杂的数据集合。;距离相关分析根据统计量不同，分为以下两种。

?不相似性测量：通过计算样本之间或变量之间的距离来表示。

?相似性测量：通过计算Pearson相关系数或C