双变量统计及spss应用.ppt

双变量统计及spss应用;一、交互分类和X2检验;（三） X2检验的步骤;（四）交互分类与X2检验的spss应用 1.进行交互分类的基本过程 1）打开交互分类对话框 单击分析-描述统计-交叉表 2）确定需要进行分析的变量;源变量;3）选择统计量 ;4）其它选择默认项 例子：性别和生活 ;自己选择几个定类变量操作下。;二、相关测量法及检验; 如性别和就业取向间的相关系数λ是0.27，用性别预测青年的就业取向，可以削减27%的比例。 4.假设检验： X2检验 研究假设 H1:X与Y相关 虚无假设：H0:X与Y不相关 ;（二）两个定序变量：Gamma(通常用G表示) 1.G系数适合于分析对称关系 2.值在-1—1之间，即表示相关的程度，也表示相关的方向，并且具有消减比例误差的意义。 如青年的学历水平和工资等级之间的G为0.28，表示正相关，以一个变量的相对等级来预测另一个变量时，可以削减28%的比例误差。 ;3.假设检验：Z检验和t检验 研究假设 H1:总体中G0(或0或≠0）（即相关） 虚无假设：H0:总体中G=0（即不相关） 在Z检验中，当研究假设 H1是G0（或0 ），采用一端检验； H1 是G≠0时，采用两端检验。 ;（三）两个定距变量：r(皮尔逊积矩相关系数) 1. r系数分析对称关系 2. r2,称为决定系数，能够消减误差比例。 如工人的工龄和工资等级的r为0.81，表示二者之间具有较强的正向相关关系，即工龄越长，工资等级越高。 r2 为0.76，表示用工龄来预测工人工资等级时候，可以削减76%的误差。;假设检验：F检验或t检验 研究假设 H1:r≠0（即相关） 虚无假设：H0:r=0（即不相关） ;（四）定类与定距变量（或定序与定距）：相关比率（E2） 1. E2 ,相关比率，又称eta平方系数，根据自变量的每个值来预测因变量的均值，取值范围0-1，具有消减误差比例的意义。 2.非对称测量 3.相关比率开方后，得到相关系数E,是相关系数，没有负值。 如性别与学生的英语成绩之间的相关比率E2是0.17，表示以性别预测学生的英语成绩，可以减少17%的误差，性别和英语成绩间的相关系数是0.41.;3.假设检验：F检验或t检验 如性别和英语成绩 研究假设 H1:μ1≠μ2（相关,即男女生的英语平均成绩不同） 虚无假设： H0:μ1=μ2 （即不相关，即男女平均成绩相同） ;几种主要相关测量法及检验法;三、相关测量和检验的spss应用;（一）交叉表中的两变量相关分析; ;3.单击继续，回到上一级对话框 4.单击确定，在输出结果窗口看到结果;实际操作;;2.定类和定序：性别和职业 ;;3.定序和定序：G测量（对称测量）和t检验 职业和生活 ;4.定类与定距：E2 （非对称测量）和t检验 性别与教育年限 ;5.定序与定距：E2 和t检验 职业与声望 ;6.定距与定距： r 和t检验 年龄与声望 ;教育年限与声望;（二）相关命令中的双变量分析;;;实例操作;; 教育年限和声望（定距与定距），选择一端检验，即把教育年限看做是自变量。 ;说明： 在一次测量中，可以测量多个变量，结果是一个相关矩阵