卡方检验与相关分析.pptx

卡方检验与相关分析相关分析之一有关与无关v寻找变量间得关系就是科学研究得首要目寻找变量间得关系就是科学研究得首要目得。变量间得关系最简单得划分即得。变量间得关系最简单得划分即:有关有关与无关。与无关。v在统计学上在统计学上,我们通常这样判断变量之间我们通常这样判断变量之间就是否有关就是否有关:如果一个变量得取值发生变如果一个变量得取值发生变化化,另外一个变量得取值也相应发生变化另外一个变量得取值也相应发生变化,则这两个变量有关。如果一个变量得变化则这两个变量有关。如果一个变量得变化不引起另一个变量得变化则二者无关。不引起另一个变量得变化则二者无关。性别与四级英语考试通过率得相关统计性别与四级英语考试通过率得相关统计表述表述:统计结果显示统计结果显示,当性别取值不同时当性别取值不同时,通过率变量得通过率变量得取值并未发生变化取值并未发生变化,因此性别与考试通过率无关。因此性别与考试通过率无关。自变量得不同取值在因变量上无差异自变量得不同取值在因变量上无差异,两变量无关。两变量无关。自变量得不同取值在因变量上有差异自变量得不同取值在因变量上有差异,两变量有关。两变量有关。统计结果显示统计结果显示,当性别取值不同时当性别取值不同时,收入变量得收入变量得取值发生了变化取值发生了变化,因此性别与月收入有关。因此性别与月收入有关。自变量自变量因变量因变量变量关系得统计类型变量关系得统计类型相关分析之二关系强度n变量关系强度得含义变量关系强度得含义:指两个变量相关程度指两个变量相关程度得高低。统计学中就是以准实验得思想来得高低。统计学中就是以准实验得思想来分析变量相关得。通常从以下得角度分析分析变量相关得。通常从以下得角度分析:A)两变量就是否相互独立。两变量就是否相互独立。B)两变量就是否有共变趋势。两变量就是否有共变趋势。C)一变量得变化多大程度上能由另一变量一变量得变化多大程度上能由另一变量得变化来解释。得变化来解释。变量关系强度测量得主要指标变量关系强度测量得主要指标相关分析之三关系性质n直线相关与曲线相关直线相关与曲线相关n正相关与负相关正相关与负相关n完全相关与完全不相关完全相关与完全不相关一、列联相关一、列联相关(第四章已讲第四章已讲)n(一一)列联分析得基本原理列联分析得基本原理n自变量发生变化自变量发生变化,因变量取值就是否也因变量取值就是否也发生变化。发生变化。n比较边缘百分比与条件百分比得差别。比较边缘百分比与条件百分比得差别。n卡方测量用来考察两变量就是否独立卡方测量用来考察两变量就是否独立(无关无关)。大家有疑问的，可以询问和交流大家有疑问的，可以询问和交流可以互相讨论下，但要小声点可以互相讨论下，但要小声点可以互相讨论下，但要小声点可以互相讨论下，但要小声点二、二、相关分析相关分析(Correlate)(一)简介n相关分析用于描述两个变量间联系得密切相关分析用于描述两个变量间联系得密切程度程度,其特点就是变量不分主次其特点就是变量不分主次,被置于同被置于同等得地位。检验得原假设为相关系数为等得地位。检验得原假设为相关系数为0。可选择就是单尾检验还就是双尾检验。可选择就是单尾检验还就是双尾检验。n在在Analyze得下拉菜单得下拉菜单Correlate命令项中命令项中有三个相关分析功能子命令有三个相关分析功能子命令Bivariate过程过程(二变量相关分析二变量相关分析)、Partial过程过程(偏相关分偏相关分析析)、Distances过程过程(距离分析距离分析)。(二二)相关分析类型相关分析类型nBivariate过程用于进行两个或多个变量间得过程用于进行两个或多个变量间得相关分析相关分析,如为多个变量如为多个变量,给出两两相关得分给出两两相关得分析结果。析结果。nPartial过程过程,当进行相关分析得两个变量得取当进行相关分析得两个变量得取值都受到其她变量得影响时值都受到其她变量得影响时,就可以利用偏相就可以利用偏相关分析对其她变量进行控制关分析对其她变量进行控制,输出控制其她变输出控制其她变量影响后得相关系数。量影响后得相关系数。nDistances过程用于对同一变量各观察单位间过程用于对同一变量各观察单位间得数值或各个不同变量间进行相似性或不相得数值或各个不同变量间进行相似性或不相似性分析似性分析,一般不单独使用一般不单独使用,而作为因子分析而作为因子分析等得预分析。等得预分析。(三三)Bivariate相关分析相关分析n在进行相关分析时在进行相关分析时,散点图就是重要得工具散点图就是重要得工具,分析前应先做散点图分析前应先做散点图,以初步确定两个变量以初步确定两个变量间就是否存在相关趋势间就是否存在相关趋势,该趋势就是否为直该趋势就是否为直线趋势线趋势,以及数据中就是否存在异常点。否以及数据中就是否存在异常点。否则可能得出错误结论。则可能得出错误结论。nBivariate相关分析得步骤相关分析得步骤:输入数据后输入数据后,依次依次单击单击AnalyzeCorrelateBivariate,打打开开Bivariate Correlations对话框对话框Bivariate Correlations 对话框对话框nPearson复选框 选择进行积差相关分析,即最常用得相关分析,其计算连续变量或等间隔测度变量间得相关系数。计算该相关系数时,不仅要求两相关变量均为正态变量,而且样本数(N)一般不应少于30。nKendalls tau-b复选框 计算Kendalls等级相关系数,其计算定序变量间得线性相关关系。(有打结现象时)nSpearman复选框 计算Spearman相关系数。也就是计算等级相关系数(定序与定序)。最常用得非参数相关分析(秩相关),适用于连续等级资料。(无打结现象)以上三种相关分析可以选择其中之一,也可以同时多选。如果参与分析得变量就是连续变量,选择Kendalls tau-b或Spearman相关,则系统自动对连续变量得值先求秩,再计算其秩分数间得相关系数。nFlag significant correlations n用于确定就是否在结果中用星号标记有统计学意义得相关系数,一般选中。此时P0、05得系数值旁会标记一个*,P0、01得则标记两个*。Options 对话框对话框对每一个变量对每一个变量输出均值、标准输出均值、标准差与无缺省值得差与无缺省值得观测数。观测数。对每一个变量对每一个变量输出交叉距阵与输出交叉距阵与协方差距阵。协方差距阵。计算某个统计量时计算某个统计量时,在这一对变量在这一对变量中排除有缺省值得观测值。中排除有缺省值得观测值。对于任何分析对于任何分析,有缺省值得观测值有缺省值得观测值都会被排除。都会被排除。n一般,如果r得绝对值大于0、8,则认为两变量之间具有较强得线性相关关系;如果r小于0、3,则认为两变量之间具有较弱得线性相关关系。当然,相关关系得程度与样本得容量大小也有很大得关系。例1:为研究高等院校人文社会科学研究中立项课题数会受哪些因素影响,收集1999年31个省市自治区部分高校有关社科方面得数据,研究立项课题数(当年)与投入得具有高级职称得人年数(上年)、发表论文数(上年)之间就是否具有较强得线性关系。可以画散点图先进行判断。Graphs-legacy-scatterAnalyze-correlate-Brivariate例例2 2:定序变量得定序变量得SpearmanSpearman分析实例分析实例 为了研究集团迫使个人顺从得效应为了研究集团迫使个人顺从得效应,一一些研究者用量表与为测量地位欲而设计得些研究者用量表与为测量地位欲而设计得一种量表对一种量表对1212名大学生进行调查。欲知道名大学生进行调查。欲知道对权威主义得评分之间相关得信息对权威主义得评分之间相关得信息,数据如数据如下。下。学生学生A B CDEFGHIJKL权威主义权威主义 265110983412711地位欲地位欲342181110671259权威主义与地位欲评秩权威主义与地位欲评秩1)输入数据输入数据,依次单击依次单击AnalyzeCorrelateBivariate,打开打开Bivariate Correlations对话框对话框2)选择选择power与与position 变量进入变量进入 Variables框中。框中。3)在在Correlation Coefficients栏内选择栏内选择Spearman。4)在在Test of Significance栏选择栏选择Two-tailed。5)选择选择Flag significant correlation。6)单击单击Options按钮按钮,选择选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项。选项。7)单击单击OK。分析步骤分析步骤:从表中可瞧出从表中可瞧出,权威主义与地位欲得相关系数为权威主义与地位欲得相关系数为0、818,这表明权威主义越高得人地位欲也越高。权这表明权威主义越高得人地位欲也越高。权威主义与地位欲不相关得假设检验值为威主义与地位欲不相关得假设检验值为0、001,否定否定假设假设,即权威主义与地位欲就是相关得。即权威主义与地位欲就是相关得。结果分析结果分析:例例3:定序变量得定序变量得Kendall分析实例分析实例 仍用前例中得数据仍用前例中得数据(数据文件数据文件:权威权威(Spearman相关相关)、sav)。操作过程相同。操作过程相同,只就是在第只就是在第3)步在步在Correlation Coefficients栏内选择栏内选择Kendalls选项。结果如下选项。结果如下:权威主义与地位欲得相关系数为权威主义与地位欲得相关系数为0、667,这表明权这表明权威主义越高得人地位欲也越高。权威主义与地位欲不威主义越高得人地位欲也越高。权威主义与地位欲不相关得假设检验值为相关得假设检验值为0、003,否定假设否定假设,即权威主义与即权威主义与地位欲就是相关得。结果类似于地位欲就是相关得。结果类似于Spearman分析。分析。(四)Partial过程 n相关分析计算两个变量间得相关系数,分析两个变量间线性关系得程度。但就是往往因为第三个变量得作用,使相关系数不能真正反映两个变量间线性程度。例如,可以控制年龄与工作经验两个变量得影响,估计工资收入与受教育程度之间得相关程度,这就就是偏相关分析。例:立项课题数与发表论文数之间得净相关系数研究。n立项课题数与发表论文数之间有较强得正线性相关系数。但就是,这种关系可能掺入了投入高级职称得人年数得影响。投入高职称得人年数与论文数(上年发表)、立项课题数得简单相关系数分别为0、953与0、944,因此,可以把这个变量控制起来,研究立项课题数与发表论文数之间得净相关系数,进行偏相关分析。n【Variables框】用于选入需要进行偏相关分析得变量,至少需要选入两个。可多选。n【Controlling for框】用于选择需要在偏相关分析时进行控制得协变量,如果不选入,则进行得就就是普通得相关分析。n【Display actual significince level复选框】用于确定就是否在结果中给出确切得P值,一般选中。【Options钮】nZero-order correlations 给出包括协变量在内所有变量得相关方阵。