相关分析(完整).ppt

1、1，相关分析流程，2，概念相关分析部分相关分析质量相关，3，相关分析概念，4，决策关系和不确定性关系，差异：决策关系：常见函数关系，如圆的面积和半径之间的关系：S=R2不确定性关系，变量之间的关联有两种茄子类型：决策关系和不确定性关系。相关分析是研究变量之间不确定关系的统计方法。5，相关关系的统计分类，因果关系，共变关系单相关和复合相关线相关和曲线相关正相关，负相关，零相关完全相关，完全独立，不完全相关本文研究范围：不确定性的线性相关，公共管理定量分析：方法和技术，元清，p76；另外，参考章侯和徐建平，2009，p150，7，不能划分相关系数。前者是后者的几倍相关系数值的大小表示两列数据徐璐相

2、关的程度。相关系数为-0.6和0.6，强度一致，但方向不同。目的：用一个变量表示另一个变量的值，8，9，皮尔逊相关系数，皮尔逊相关系数通常是一般线性相关系数，通常用R表示。变量Y和X之间的线性相关性程度。r在(0，1)之间存在正相关。(-1，0)之间存在负相关。1完全是正相关。-1完全是负相关。0不相关。也就是说，乘积差分相关，乘积力矩相关是，10，皮尔逊相关系数，11，乘积差分相关公式分布式文献，章侯和徐建平，2009，p112，12，effect size of peare J (1992)。a powerprimer . psychological bulletin 112(1): 15

3、5159。双击图标将其打开。13，根据皮尔逊相关系数的重要性检查(例如)选取=0.05，自由度df=14-2=12寻找t0.05/2=2.1788。结论：t=17.2792 t0.05/2=2.1788表明线性相关系数明显。14，散点图相关系数为0，即零相关，但不能立即判断两个变量不重要。15，16，示例：麻经局CH8CH9CH10投资额和依据，17，简单相关分析：修正执行语句WITH前后有A B with C D。例：麻经局CH8CH9CH10投资额和依据，18，spearman (spearman)相关系数，对数据分布形式没有要求，10名学生的数学和国语成绩，相关系数计算，19，spear

4、man (Spearman)在每一序列中计算了两对测量的变量x和y的测量值后，斯皮尔曼相关系数的计算公式与皮尔森相关系数公式相同。两个距离测量尺寸的变量也可以计算等级相关系数，但精度不如乘积相关系数(张后和徐建平，2009，p. 122)。因此，两者只报告一个。，20，spearman相关系数公式，21，二进制变量相关过程，执行命令：“打开Analyze correlatebivariate(二进制变量)”对话框；选择两个或多个变量。Correlation coefficient列中的三个茄子复合选项Pearson:连续变量Kendalls tau-b:两个类变量或类型变量Spearman:两

5、个类变量或类型变量(自动计算变量值)test of significance Flagsmean and standard deviations cross-product deviations and co variances:交叉积偏差矩阵和协方差矩阵Exclude cases pairwise:具有参与计算的缺失值的观测测量对Exclude cases listwise蓝石10.2节；26，部分相关系数，部分相关系数：描述控制一个或多个附加变量的影响时两个变量的相关性。例如，您可以控制工作年龄的影响，研究工资收入与教育水平之间的相关性。工资、教育、工作年龄、简单相关系数、部分相关系数、2

6、7、部分相关分析的概念，相关分析计算两个变量之间的相关系数，以分析变量之间的线性相关。在多元相关分析中，由于受其他变量的影响，Pearson相关系数仅在表面上反映两个变量的相关特性，往往不能真实反映变量之间的线性相关性，甚至可能导致相关的虚拟。因此，在某些情况下，简单的皮尔逊相关系数不是描述相关关系的本质统计。如果另一个变量是固定的，即被控制的，两个给定变量之间的相关系数称为部分相关系数。部分相关系数实际上是反映两个变量相关性的统计量。28，29，二进制变量的部分相关进程，运行命令：analyze correlate partial correlations(偏置)，打开对话框；选择两个或多个

7、变量。选择一个或多个要移动到控制变量栏的控制变量。test of significance two-tailed one-tailed display actual significance level:星号，30，二进制变量的部分相关流程，Options按钮Statistics列中的mean and stand standistance level缺少值：exclude cases pairwise:删除参与计算的缺少值的观察度量对Exclude cases listwise:删除所有缺少值的观察度量，31，maqing Guo:CH9部分相关业务来宾旅行，关联控制变量商业投资万元地缘经济.

8、000.000 df02424地缘经济增长相关性. 6441.000.773重要性(双方)000.000。df24240游客增加%商业投资万元相关性1.000.083重要性(双方).695 df023地缘经济增长相关性. 0831.000重要性(双方). 695；32，假相关(spurious correlation)，控制第三个变量后，两个变量之间不存在相关性。例如：鞋大小和语言能力数学成绩是语言成绩8-13岁儿童的握手能力和数学成绩个人收入，大学阶段的成功张福根和徐建平，2009，pp148-9，33，34，练习，编相关：设备，数据6-，35，Fisher精确概率检查方法：对22列联合表执

9、行金钟仁平方检查，在单元内预计次数小于5或样品总数小于20时使用此行结果。注：张福根和徐建平，2009，p296；马经局，2002，p. 260，43，对于非间隔表，如果预计频率小于5的晶格小于20%，则使用一行Pearson卡的结果。否则，使用右道对行的结果。以下是阅读哪一行结果的指南。阅读某一列的结果可以根据以下准则进行判断：如果预期频率小于5的网格大于20%，则ASYMP.sig的结果不可用。此时，在SPSS金钟仁平方检查中使用Exact Test(精确概率方法)，Exact Test结果基准(软件还显示ASYMP.sig结果)，44，金钟仁平方检查的注意点，采样的代表！“收集计数数据时

10、，偏向的样本最容易出现，也最容易被忽略。因此，在应用卡方检验分析计算资料和进行统计推断时，要特别小心，不要出现偏方样本，要注意控制影响数据的因素。”说。(威廉莎士比亚，Northern Exposure(美国电视电视剧)，) (张后和徐建平，2009，p. 296)样本随机性、样本比例、问卷引导语等示例：支持与不支持，45，)22:pi(实际二分变量)；更多分类，Cramers V(blue stone，2011，p. 180) PHI系数：长后和徐建平，2009，PP 143-5 blue stone实例：附录K SPSS步骤：分析-说明统计数据-同时重要概率这里的重要概率是通过金钟仁平方检验计算的。也就是说，金钟仁平方检查可以分析两个命名变量是否明显相关，而PHI和Cramers V提供了相关系数。另见张厚和徐建平，2009，p. 145页顶部例子，46，质量相关论文案例，纳迪，2009。如何解释统计图表：研究报告阅读指南，pp60-81，47，48，质量相关，命名变量和定距变量相关点2列相关：张厚和徐建平，2009，pp134-137清石法：13附录k；ETA