双变量的统计分析.pptVIP

（a×b的表格即自变量×因变量）自变量放在表格上端，因变量放在侧面证明两个变量间的关系不能只看一部分，要将二者进行对比（如不能只说高收入中大专比例高，而要将高收入中大专以上的比例同低收入中小学及以下的对比）例如100个老师70个在职30个不在职，取一人预测男女（定类的多用众数），则50个错误，E1即为50，此时又知在职人员中80%为男性，20%为女性，再取一人预测的错误次数即为E2，若计算后PRE为0即错误完全消除，则说明又给出的条件同问题完全相关（如性别和在职不在职完全相关）定序以上层次的变量才能进行相关分析定类、定序、定距——变量的类型（所以两种变量两两组合有六种情况，即应当有6种相关系数）n：总数My：Y变量的众数的次数（如下页态度是自变量，众数是赞同114，则My即为114）my：也是众数的次数，是每一个X之下的Y变量的众数的次数（所以出现了求和问题，如下页即为96+62）推导公式：（下方=n-My上方=（n-My)-[(n1-My)+(n2-my2)]即可推导出）下：200-144上（96+62）-114组成同序对：Ns=12×（30+5+16+12）+10×（5+12）+8×（16+12）+30×12→必须要顺着变化方向（如10×（5+12）是顺着学历、收入都下降的关系）Nd=3×（8+4+30+16）+10×（8+4）+？×（4+16）+30×4第十一章双变量统计分析一、交互分类表（又名列联表）二、消减误差比例三、相关分析（实际上就讲这个）一、交互分类表500名工人的文化水平（自变量）与工资收入（因变量）交互分类表（人）交互分类表又称列联表，是指同时依据两个变量的值，将所研究的个案分类。logo500名工人文化水平与工资收入的交互百分表（%）相关分析统计相关的性质所谓相关，是指一个变量的值与另一个变量的值有连带性。也就是一个变量的值发生变化，另一个变量的值也发生变化，则两个变量就是相关的了。两个变量之间的相关程度有强弱之分，可用统计法予以测量。大多数统计以0代表无相关，1代表完全相关，介于0和1之间的数值越大，表示相关程度越强。PARTONE另一种值得注意的性质是相关方向，也可用统计法予以测量。变量之间的关系可以分为正与负两个方向。所谓正相关表示当一个变量的值增大时，另一个变量的值也增大；所谓负相关则表示当一个变量的值增加时，另一个变量的值却减少。这里要注意，相关方向的分析只限于定序以上层次的变量，因为这些变量的值有高低或多少之分。至于定类变量，则没有相关方向的问题。数据所显示的相关（或无关）关系，实际上也可能并不反映变量间存在（或不存在）有意义的关系。PARTONE相关测量法就是以一个统计值表示变量与变量间的关系，这个统计值称为相关系数。相关测量法相关测量法有很多种，我们在选择时首先要注意变量的测量层次，不同层次的变量要用不同的相关测量法。其次，要注意两个变量之间的关系是否对称。另一项选择标准，就是统计值的意义。有些相关测量法所计算出来的统计值除相关程度外，还含有其它意义，我们最好选择统计值有意义的相关测量法。在统计学中有一组相关测量法，其统计值具有消减误差比例的意义，称为PRE测量法。这组测量法常用在社会学研究中。PRE=有两个变量X和Y，现在假定不知道X的值，我们在预测Y值时所产生的全部误差是E1。如果知道X的值，我们可以根据X的每个值来预测Y值；假定误差的总数是E2，则以X值来预测Y值时所减少的误差就是：E1—E2。这个数值（E1—E2）与原来全部误差（E1）相比，就是消减误差比例。可用下面的公式表示：2、消减误差比例3、相关分析添加标题λ相关：用于测量两个定类变量间的相关关系。01添加标题G相关：用于测量两个定序变量间的关系。02λ相关测量法的基本逻辑是计算以一个定类变量的值来预测另一个定类变量的值时，如果以众数作为预测的准则，可以减除多少误差。PARTONEλ相关测量法有两种形式：一种是对称形式，用λ表示，即用于测量的两个变量间的关系是对等的（即相互有影响而非一个引起了另一个），没有自变量与因变量之分。λ=另一种是非对等的，用λy表示，即所测量的两个变量有自变量与因变量之分，X是自变量，Y是因变量。（即一个引起了另一个）λy=章节一（a×b的表格即自变量×因变量）自变量放在表格上端，因变量放在侧面证明两个变量间的关系不能只看一部分，要将二者进行对比（如不能只说高收入中大专比例高，而要将高收入中大专以上的比例同低收入中小学及以下的对比）例如100个老师70个在职30个不在职，取一人预测男女（定类的多用众数），则50个错误，E1即为50，此时又知在职人员中80%为男性，20