五SPSS的相关分析PPT课件_第1页
五SPSS的相关分析PPT课件_第2页
五SPSS的相关分析PPT课件_第3页
五SPSS的相关分析PPT课件_第4页
五SPSS的相关分析PPT课件_第5页
已阅读5页,还剩49页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

.第1,5章相关分析和检查,2,相关分析之一相关性,寻找变量之间的关系是科学研究的主要目的。变量之间最简单的区分是与:无关。统计上,我们一般判断变量之间是否相关。也就是说,如果一个变量的值发生变化,另一个变量的值相应地发生变化,则这两个变量是相关的。如果一个变量的更改不会导致另一个变量的更改,则这两个变量是独立的。关于3、性别及4级英语考试合格率的统计,表达:统计结果显示,性别合格率不同的话,合格率变量的合格率没有变化,性别与考试合格率无关。参数的其他值与变量无关,两个变量是独立的。引数的其他值取决于变数,两个变数彼此相关。4,统计结果显示,性别方法不同时,收入变量的存取发生变化,性别与月收入相关。5,变量关系的统计类型,6,相关分析的2 关系强度,变量关系强度的意义:表示两个变量的相关度的高低。统计学是准实验的思想,与变量相关。通常,从以下角度分析两个变量是否相互独立:b)两个变量是否有共变趋势。c)一个变量的变化在多大程度上可以解释为另一个变量的变化。7、变量关系强度测量的主要指标,8,相关分析的3 关系特性,直线相关和曲线相关的正相关和负相关完全不相关,9,1,1列相关,(1)根据变量值是否改变而改变热分析的基本原理自变量。比较边缘百分比和条件百分比之间的差异。10,卡方测量用于检查两个变量是否独立(不相关)。其原理基于这个概率定理。如果两个变量没有关联,那么两个变量中发生联合事件的概率应等于各自发生的概率乘以,11,在列耦合表中,这显然是两个变量不相关的情况下,两个变量中的条件概率必须等于各边的概率乘以。相反,两个变量是相关的,或者两个变量不是独立的。12,如这里所示,预期(独立模型)和观测值之间的差异越大,这两个变量就越相关,不是独立的。因此,卡方表达式为:卡方值的范围在0之间。卡方值越大,关联性越强。SPSS具有类似于PearsonX2的likeihedratiox 2。13,改进的标准化系数:为了使值易于比较,具有一定区间,应用了以下修改:a,系数(phi): (0到1),适用于22表格。b,列联系人:(0-1),适用于任何表。c,CramerV系数:(01),套用随机表格。d,系数(lambda): (0到1),适用于任意表。e,GoodmanKruskal-tau系数:(0到1),应用随机表。14、(2)调用列合并表分析过程、类和排序列合并表分析、行变量和列变量可以配置二维列合并表,添加另一个控制变量可以配置三维列合并表。多个行、列和控制变量构成复杂的多维列表。您可以在分析中对二维和多维行表数据执行统计说明和x2检查,并计算相应的百分比指示符。此外,有单个双面(One-Tail、Two-Tail)、对数准年比检查(LikelihoodRatio)和线性关系的Mantel-Haenszelx2测试的四个表精确概率(Fisher),15,合并列表的格式,16,(3)合并列表分析过程,合并列表分析步骤:按以下顺序打开Crosstabs主对话框:analyzedescriptivestatistsCrosstabs。17,Crosstabs对话框,18,Statistics对话框,19,CellDisplay对话框,20,TableFormat对话框,确定每行的排序顺序:升序降序,21,(4)例1)为了探讨吸烟与慢性支气管炎的关系,调查了339人,以下情况为吸烟与慢性支气管炎调查表。22,输入数据“Crosstab.sav”。变量h是频率。变量x表示是否吸烟:1表示吸烟,2表示不吸烟;变量n是不是疾病:1是疾病,2是没有疾病。选择要加权的变量h。analyze-descriptive statistics-按crootabs顺序打开Crootabs主对话框。在Row框中选择x变量作为行变量,在Column框中选择n变量作为列变量。打开Statistics对话框,选择chi-square conting ency coefficient和PhiandCramersV复选框,然后单击Continue返回。单击Cell按钮打开Celldisplay对话框,选择observed和Expected复选框,然后单击Continue返回。单击OK。1 .操作阶段,23,统计汇总表列出了观测测量的有效值数、缺少值数和总数。2 .结果和分析、吸烟和疾病统计汇总表、24,吸烟和疾病相关表,25,卡检查,26,对称检查表,以、27、23303、SPSS中包含的数据文件“1991 u . s . general social survey . sav”为例,分析影响幸福的因素。28,29,30,31,32,33,34,35,36,37,38、2、相关分析(Correlate)、39,(a)简介,相关分析用于说明放置在同一位置的变量,而不考虑次变量和次变量。检查假定相关系数为零。您可以选择是单尾检查还是双尾检查。Analyze的下拉菜单Correlate命令主题包含三个相关分析功能子命令:Bivariate过程、Partial过程和Distances过程,它们分别对应于相关分析、部分关联和相似性度量的三个SPSS过程。40,(b)用于执行两个或多个变量之间的相关分析的Bivariate进程的相关分析类型(例如,为多个变量提供两个相关分析结果)。Partial进程-如果执行相对分析的两个变量的值受另一个变量的影响,则可以使用部分相关分析控制另一个变量,并通过输出控制受另一个变量影响的相关系数。Distances过程用于相同变量的观测单位之间的数值或不同变量之间的相似性或相似性分析,通常不单独使用,而是用作系数分析等预分析。41,(3)与Bivariate相关的分析是执行相关分析时的散点图重要工具,在分析之前,必须先绘制散点图,以便提前确定两个变量之间是否存在相关趋势,该趋势是否为直线趋势,以及数据是否存在异常。否则会得出错误的结论。要执行与Bivariate相关的分析,请在输入数据后单击analyze-correlate-bivariate以显示BivariateCorrelations对话框,42,BivariateCorrelations对话框,依次单击、43和“选项”对话框,以输出每个变量的平均值、标准差和平均值的观测数。输出每个变量的交叉矩阵和协方差矩阵。单击以在计算统计信息时排除此变量对中具有默认值的观测。排除所有分析的具有默认值的观测值。1:以SPSS的数据文件1991 u . s . general social survey . sav为例,分析自己的教育、父亲教育、母亲教育、配偶教育、自己职业社会的名声之间的关系。45,46,47,48,49,50,例2:正顺变量的Spearman分析示例使用以下数据,以12名大学生为对象,分析强迫个人服从的研究组的效果。权威主义和地位评价标准,51,1)输入数据,然后单击analyze-correlate-bivariate以进入Variables框,然后选择BivariateCorrelations对话框2) power和position变量。3)在CorrelationCoefficients列中,选择Spearman。4)在TestofSignificance列中,选择Two-tailed。5)选择Flagsignificantcorrelation。6)单击Options按钮,然后选择Meanandstandarddeviations、cross-productiviationardsandcovariances或Excludecasespairise选项。7)单击OK(确定)。分析步骤:52,从表中可以看出,权威主义与地位欲的相关系数为0.818,这表明权威主义越高,地位越高的倾向。权威主义和地位欲不相关的假设检验为0.001,否定了权威主义和地位欲相关的假设。,分析结果:53,示例3:订单变量的Kendall分析示例仍然使用先例数据(数据文件:权威(与Spearman相关)。sav)。除了在步骤3的Corr

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论