05_相关分析.ppt

1、相关分析，包括多元统计分析、第五章相关分析、变量之间线性相关关系的强弱说明、用适当的统计指标表示的过程。根据研究的目的或变量的类型，可以徐璐使用不同的相关分析方法。牙齿章节介绍了常用的相关分析方法：二进制距离变量的相关分析、二进制顺序变量的相关分析、部分相关分析和5.1相关分析的基本概念。所有事物的变化与其他事物相互关联，相互作用，说明事物数量特性的变量之间自然有关系。变量之间的关系可以概括为两个茄子：函数关系和统计关系。如果一个变量x取特定值，则另一个变量y可以根据确定的函数公式写入为y=f(x)。y是名为x的函数。也就是说，y和x变量之间存在函数关系。另一个例子是，如果某种商品的价格不变，

2、则销售和销售量之间的关系是函数关系(销售=价钱销售)。函数关系是一对一对应确定性关系，易于分析和测量，但实际上变量之间的关系往往不是那么简单。相关系数的范围为1到1，即1r 1。其中0r1表示变量之间存在正相关。也就是说，两个变量的方向相同。值为1r0表示变量之间存在负相关关系。也就是说，两个变量沿徐璐的相反方向移动。为了判断r对的代表性大小，需要对相关系数进行假设检验。首先，假定完全从属关系为零。换句话说，H0假设两个整体上没有重要的线性相关性。其次，计算相应的统计，并获得相应的伴随概率值。如果概率值小于或等于指定的重要性级别，则拒绝H0，并认为两个整体之间存在重要的线性相关性。伴随概率值大

3、于指定的重要性级别时，不能拒绝H0，并且被认为两个整体上没有重要的线性相关性。5.2二进制距离变量的相关分析，二进制变量的相关分析是指计算变量之间的两个相关系数，分析两个或多个变量之间的两个相关关系。根据研究的变量类型，可分为二进制距离变量的相关分析和二进制顺序变量的相关分析。在二元变量的相关分析过程中，一些比较常用的茄子相关系数是皮尔逊简单相关系数、皮尔逊和肯德尔tua-b评级相关系数。定义：二进制固定距离变量的相关分析是指计算固定距离变量之间的两个相关系数，分析两个或多个固定距离变量之间的两个相关关系。固定距离变量也称为“间隔”(interval)变量，可以在值之间比较大小，还可以使用加法

4、和减法计算差值大小。例如，“年龄”变量、“收入”变量和“成绩”变量都是常见的固定距离变量。Pearson简单相关系数用于测量固定距离变量之间的线性关系。这是衡量国民收入和居民储蓄存款、身高、体重等变量之间的线性关系。Pearson简单相关系数计算公式是Pearson简单相关系数的统计检查计算T统计信息，T统计信息是遵循N2自由度的T分布的公式。打开SPSS实施流程、菜单选项3360 Analyze-Correlate-Bivariate研究问题：数据档案“公司职员”，分析以下问题，与当前工资关系最密切：工作、年龄、教育年数、工作年龄、工作经验。定义：顺序变量，也称为顺序变量，顺序变量表示观察到

5、值大小的对象的顺序关系(等级、方向、大小等)，是基于“质量”元素的变量。例如，“学历”变量的值为1小学以下、2初中、3高、中等学校、技术学校、4大专业、5大本科、6大研究生以上。从小到大可以代表学历低到高。Spearman和Kendalls tua-b评级相关系数使用非参数检查方法测量顺序变量之间的线性相关。Spearman等级相关系数是Spearman等级相关系数的统计检查，通常在案例数n30的情况下直接利用Spearman等级相关统计表，SPSS自动提供相应的伴随概率值。Kendalls tua-b评级相关系数的统计测试，通常直接利用Kendalls tua-b评级相关统计表(如果案例数为n30)，SPSS将自动提供相应的伴随概率值。5.4部分相关分析，二进制变量的相关分析在某些情况下不能真实准确地反映事物之间的相关关系。简单计算相关系数不能准确反映事物之间的相关性，必须在消除其他相关因素影响的条件下计算相关系数。部分相关分析用于解决这个问题。定义：部分相关分析是如果两个变量同时与第三个变量相关，则消除第三个变量的影响，只分析其他两个变量之间的相关性的过程。打开菜单选项： Analyze-Correlate-Parti