第五章 相关分析与检验PPT.ppt

双变量关系描述统计;双变量的关系——有关与无关;性别与四级英语考试通过率的相关统计;表述：统计结果显示，当性别取值不同时，收入变量的取值发生了变化，因此性别与月收入有关。 ;双变量关系强度测量的主要指标;双变量的关系——关系的性质;;一、相关分析—— Correlate菜单;简单相关分析;二、 Bivariate相关分析;图5－1 Bivariate Correlations 对话框;图5－2 Optins 对话框;观测 号;分析步骤; 描述性统计量表，如下：; 从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，这两者之间不相关的双尾检验值为0.001。体重观测值的协方差为100.278，而鸡冠重观测值的协方差为761.556，体重和鸡冠重的协方差为239.111。 从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。并且，否定了小鸡的体重与鸡冠重之间不相关的假设。;2、定序变量的Spearman分析实例 为研究集团迫使个人顺从的效应，一些研究者用F量表和为测量地位欲而设计的一种量表对12名大学生进行调查。欲知道对权威主义的评分之间相关的信息。;1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 2）选择power和position 变量进入 Variables框中。 3）在Correlation Coefficients栏内选择Spearman选项。 4）在Test of Significance栏选择Two-tailed。 5）选择Flag significant correlation。 6）单击Options按钮，选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项。 7）单击OK。; 从表中可看出，权威主义和地位欲的相关系数为0.818，这表明权威主义越高的人地位欲也越高。权威主义与地位欲不相关的假设检验值为0.001，否定假设，即权威主义与地位欲是相关的。;3、定序变量的Kendall分析实例;二、偏相关;一、概念;三、选择不同的方法计算相关系数; ;;身高与肺活量的简单相关系数;2、体重与肺活量的简单相关系数;3、身高与体重的简单相关系数;4、体重为控制变量，身高与肺活量的偏相关系数;P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S Controlling for.. X1（身高） Y（肺活量） X2（体重） Y 1.0000 .4152 ( 0) ( 26) P= . P= .028 X2 .4152 1.0000 ( 26) ( 0) P= .028 P= .;应用相关注意事项 ;3.利用散点图 对于性质不明确的两组数据，可先做散点图，在图上看它们有无关系、关系的密切程度、是正相关还是负相关，然后再进行相关分析。 4.变量范围 相关分析和回归方程仅适用于样本的原始数据范围之内，出了这个范围，我们不能得出两变量的相关关系和原来的回归关系。