spss第五章 偏相關(guān)與詳析模型課件

2022/12/12

偏相關(guān)與詳析模型1相關(guān)分析的概念和相關(guān)分析過程2兩個變量間的相關(guān)分析3偏相關(guān)分析4距離分析5詳析模型（以交互分類為例）1.1相關(guān)分析的概念研究變量間密切程度的一種常用統(tǒng)計方法1、線性相關(guān)分析：研究兩個變量間線性關(guān)系的程度。用相關(guān)系數(shù)r來描述。(詳見下面）2、偏相關(guān)分析：它描述的是當(dāng)控制了一個或幾個另外的變量的影響條件下兩個變量間的相關(guān)性，如控制年齡和工作經(jīng)驗(yàn)的影響，估計工資收入與受教育水平之間的相關(guān)關(guān)系3、相似性測度：兩個或若干個變量、兩個或兩組觀測量之間的關(guān)系有時也可以用相似性或不相似性來描述。相似性測度用大值表示很相似，而不相似性用距離或不相似性來描述，大值表示相差甚遠(yuǎn)線性相關(guān)分析研究兩個變量間線性關(guān)系的程度。相關(guān)系數(shù)是描述這種線性關(guān)系程度和方向的統(tǒng)計量，用r表示。如果變量Y與X間是函數(shù)關(guān)系，則r=1或r=-1;如果變量Y與X間是統(tǒng)計關(guān)系，則-1<r<1,如果x,y變化的方向一致，如身高與體重的關(guān)系，則稱為正相關(guān)，r>0，如果x,y變化的方向相反，如吸煙與肺功能的關(guān)系，則稱為負(fù)相關(guān)，r<0；而r=0表示無線性相關(guān)，一般地，|r|>0.95存在顯著性相關(guān)；|r|0.8高度相關(guān)；0.5|r|<0.8中度相關(guān)；0.3|r|<0.5

低度相關(guān)；|r|<0.3關(guān)系極弱，認(rèn)為不相關(guān)2022/12/121.2相關(guān)分析的SPSS過程在Analyze+Correlate下的三個子菜單：1、Bivariate--相關(guān)分析，計算指定的兩個變量間的相關(guān)關(guān)系，可選擇Pearson相關(guān)、Spearman和Kendall相關(guān)；同時對相關(guān)系數(shù)進(jìn)行檢驗(yàn)，檢驗(yàn)的零假設(shè)為：相關(guān)系數(shù)為0（不相關(guān)）。給出相關(guān)系數(shù)為0的概率2、Partial--偏相關(guān)分析，計算兩個變量間在控制了其他變量的影響下的相關(guān)關(guān)系，對相關(guān)系數(shù)也進(jìn)行檢驗(yàn)，檢驗(yàn)的零假設(shè)為：相關(guān)系數(shù)為03、Distance--相似性測度，對變量或觀測量進(jìn)行相似性或不相似性測度2022/12/122兩個變量間的相關(guān)分析兩兩變量間的相關(guān)：包括兩個連續(xù)變量間的相關(guān)（Pearson相關(guān)）和兩個等級（分類）變量間的秩相關(guān)（Spearman和Kendall相關(guān)）菜單：Analyze+Correlate+Bivariatea、連續(xù)變量間的相關(guān)：Pearson。P210Data10-01：1962年－1988年安徽省國民收入與城鄉(xiāng)居民儲蓄存款余額兩個變量間的線性相關(guān)分析（income：國民收入，deposit：城鄉(xiāng)居民儲蓄存款余額，number：序號，year：年份）。比較有用的結(jié)果：Pearson相關(guān)系數(shù)r=.976和其相應(yīng)的顯著性概率Sig=.000(顯然國民收入與存款余額之間是高度相關(guān)的)P211Data07-03銀行職工的起始工資salbegin和現(xiàn)工資salary與雇員本人各方面條件的關(guān)系（年齡age、工作時間jobtime、以前工作經(jīng)驗(yàn)prevexp）：比較有用的結(jié)果：Pearson相關(guān)系數(shù)r和其相應(yīng)的顯著性概率Sig(Pearson相關(guān)系數(shù)均很?。?022/12/122兩個變量間的相關(guān)分析（續(xù)）b、等級（分類）變量間的秩相關(guān)：Spearman和Kendall。P212Data07-03銀行職工的起始工資salbegin和現(xiàn)工資salary與雇員的職務(wù)等級jobcat、受教育程度educ關(guān)系（比較有用的結(jié)果：Kendall秩相關(guān)系數(shù)r和其相應(yīng)的顯著性概率Sig(Kendall秩相關(guān)系數(shù)均>.5，認(rèn)為中度相關(guān)）P213Data10-02某次全國武術(shù)女子前10名運(yùn)動員長拳和長兵器兩項(xiàng)得分?jǐn)?shù)據(jù)，要求分析這兩項(xiàng)得分是否存在線性相關(guān)（比較有用的結(jié)果：秩相關(guān)系數(shù)r和其相應(yīng)的顯著性概率Sig(秩相關(guān)系數(shù)均>.5，認(rèn)為中度相關(guān)）2022/12/123偏相關(guān)分析的概念線性相關(guān)分析計算兩個變量間的相關(guān)關(guān)系,分析兩個變量間線性關(guān)系的程度。往往因?yàn)榈谌齻€變量的作用,使相關(guān)系數(shù)不能真正反映兩個變量間的線性程度。如身高、體重與肺活量之間的關(guān)系。如果使用Pearson相關(guān)計算其相關(guān)系數(shù),可以得出肺活量與身高和體重均存在較強(qiáng)的線性關(guān)系。但實(shí)際上,如果對體重相同的人,分析身高和肺活量,是否身高越高,肺活量就越大呢？不是的。原因是身高與體重有線性關(guān)系,體重與肺活量存在線性關(guān)系,因此得出身高和肺活量之間存在著較強(qiáng)的線性關(guān)系的錯誤結(jié)論。偏相關(guān)分析的任務(wù)就是在研究兩個變量之間的線性相關(guān)關(guān)系時控制可能對其產(chǎn)生影響的變量。分析身高與肺活量之間的相關(guān)性，就要控制體重在相關(guān)分析中的影響。實(shí)際生活中有許多這樣的關(guān)系，如可以控制年齡和工作經(jīng)驗(yàn)兩個變量的影響，估計工資收入與受教育程度之間的相關(guān)關(guān)系。可以在控制了銷售能力與各種其他經(jīng)濟(jì)指標(biāo)的情況下，研究銷售量與廣告費(fèi)用之間的關(guān)系等。2022/12/124距離分析是對觀測量之間或變量之間相似或不相似程度的一種測度，是一種廣義的距離。有關(guān)的統(tǒng)計量。不相似性測度：a、對等間隔(定距)數(shù)據(jù)的不相似性（距離）測度可以使用的統(tǒng)計量有Euclid歐氏距離、歐氏距離平方等。b、對計數(shù)數(shù)據(jù)使用卡方。c、對二值（只有兩種取值）數(shù)據(jù)，使用歐氏距離、歐氏距離平方、尺寸差異、模式差異、方差等相似性測度：a、等間隔數(shù)據(jù)使用統(tǒng)計量Pearson相關(guān)或余弦。b、測度二元數(shù)據(jù)的相似性使用的統(tǒng)計量有20余種。距離分析分為觀測量之間距離分析和變量之間距離分析。5引進(jìn)其他變量后的交互分析引進(jìn)其他變量，詳細(xì)分析兩個變量之間的關(guān)系，因?yàn)閮蓚€變量之間的關(guān)系可能受到其他變量的影響，對于其他變量與這兩個變量之間的關(guān)系到底怎么樣，依據(jù)作用的形式，可以分為三種情況：控制的方法：分類采用統(tǒng)計控制的方法——也就是用SUB-TABLES的方法來說明，所謂分表就是根據(jù)前置變量A的值，把樣本的個案分組，然后分析每個組與X與Y之間的關(guān)系。假定年齡分為兩個組（1：50－65歲以下；2：65歲以上），那么，根據(jù)年齡可以分為兩個表：65歲以下的人的結(jié)婚年數(shù)與身體狀況；65歲以上的人的結(jié)婚年數(shù)與身體狀況。通過SPSS中得到的CROSSTABS命令，把年齡作為控制變量，就可以對結(jié)婚年數(shù)與身體狀況之間是否真的存在因果關(guān)系進(jìn)行分析。操作步驟：[1]看要研究的兩個現(xiàn)象X與Y之間的交互表[2]加控制變量（可以是一個或2個）——看分表的相關(guān)系數(shù)，了解控制變量對現(xiàn)象的影響?？偙矸直硐嚓P(guān)系數(shù)結(jié)論模式RR1=R2=0虛假相關(guān)AXYRR1=R2=R真實(shí)相關(guān)AXYRR1小于RR2小于R部分真實(shí)相關(guān)AXY例二：住房擁擠對夫妻沖突的影響夫妻沖突住房擁擠高低高63.841.6低36.258.4總數(shù)599401G=0.423住戶擁擠是否是夫妻沖突的主要原因?答案是不一定,沖突的真實(shí)原因也許是經(jīng)濟(jì)因素.分析夫妻沖突富戶擁擠3中等戶擁擠2貧困戶擁擠1高2低1高2低1高2低1高21356023892919低18530562276178總數(shù)2209029411485197ConflictEconomicHouseclfre23213513285231601313022223812256221921212221291127621119111178在控制家庭經(jīng)濟(jì)水平以后,住房擁擠與夫妻沖突的關(guān)系消失,結(jié)論:住戶擁擠與夫妻沖突的因果關(guān)系是虛假的,這兩個變量之間的相關(guān)可能是家庭經(jīng)濟(jì)水平引起的.5.2

闡明分析（又稱因果環(huán)節(jié)）闡明分析（又稱因果環(huán)節(jié)）——Interpretationanalysis——關(guān)心的是為什么X會影響Y闡明分析要做的工作就是以事實(shí)來驗(yàn)證：X是通過某些因素（T）而對Y產(chǎn)生影響的。T被稱為中介變量。

如何分辨某一個變量是控制變量還是中介變量？控制變量——發(fā)生在X與Y之前中介變量——在X與Y發(fā)生時間的中間總表分表相關(guān)系數(shù)結(jié)論模式RR1=R2=0第三個變量是中介變量X——T——Y完全闡明RR1=R2=R第三個變量不是中介變量AX

Y不能闡明RR1小于RR2小于R部分通過第三個變量

AX

Y部分闡明例子：調(diào)查發(fā)現(xiàn)300個年紀(jì)相近的婦女（35-40歲）教育水平越高，子女?dāng)?shù)目越少，為什么？（G=-0.7）研究猜想：結(jié)婚年齡在其中起作用。也就是由于教育水平高的婦女，結(jié)婚晚，生育的子女少。做CROSSRABS：晚婚婦女：教育水平與子女?dāng)?shù)目的相關(guān)系數(shù)G=-0.71；早婚婦女：教育水平與子女?dāng)?shù)目的相關(guān)系數(shù)G=-068。研究結(jié)論：由于兩個分表的相關(guān)系數(shù)與原來的相關(guān)系數(shù)十分接近，說明晚婚的說法不能闡明教育水平與子女?dāng)?shù)目是反比關(guān)系的情況。操作步驟：[1]做X——T，T——X的交互表[2]控制T，看X與Y之間的關(guān)系[3]進(jìn)一步的分析，比較相關(guān)系數(shù)。可以再引入其他的變量，看這個分表的相關(guān)系數(shù)。如果發(fā)現(xiàn)分表的相關(guān)系數(shù)與原來的差別很大，可以認(rèn)為這個變量是中介變量。例子二:已婚女工的曠工率高于單身女工加入控制變量:家務(wù)勞動多少進(jìn)行條件分析也可以使用分表法，依據(jù)條件變量的值把樣本分為幾個組，然后在每組（每種條件下）分析X與Y之間的關(guān)系。如果在各個組中X與Y在不同的組中有不同的關(guān)系說明X與Y之間的關(guān)系具有條件性。總表分表及相關(guān)系數(shù)結(jié)論R不等于0分表相關(guān)系數(shù)不等于原來的表引入的這個變量是條件變量R等于0分表的相關(guān)系數(shù)不等于0引入的變量是壓抑變量R大于0分表的相關(guān)系數(shù)小于0引入的變量是曲解變量舉例：某個城市研究住戶擁擠（X）與家庭沖突（Y）之間的關(guān)系，發(fā)現(xiàn)G=0.55。研究猜想：兩個變量之間的關(guān)