卡方檢驗(yàn)與相關(guān)分析

卡方檢驗(yàn)與相關(guān)分析相關(guān)分析之一——有關(guān)與無(wú)關(guān)尋找變量間得關(guān)系就是科學(xué)研究得首要目得。變量間得關(guān)系最簡(jiǎn)單得劃分即:有關(guān)與無(wú)關(guān)。在統(tǒng)計(jì)學(xué)上,我們通常這樣判斷變量之間就是否有關(guān):如果一個(gè)變量得取值發(fā)生變化,另外一個(gè)變量得取值也相應(yīng)發(fā)生變化,則這兩個(gè)變量有關(guān)。如果一個(gè)變量得變化不引起另一個(gè)變量得變化則二者無(wú)關(guān)。性別與四級(jí)英語(yǔ)考試通過(guò)率得相關(guān)統(tǒng)計(jì)表述:統(tǒng)計(jì)結(jié)果顯示,當(dāng)性別取值不同時(shí),通過(guò)率變量得取值并未發(fā)生變化,因此性別與考試通過(guò)率無(wú)關(guān)。自變量得不同取值在因變量上無(wú)差異,兩變量無(wú)關(guān)。自變量得不同取值在因變量上有差異,兩變量有關(guān)。統(tǒng)計(jì)結(jié)果顯示,當(dāng)性別取值不同時(shí),收入變量得取值發(fā)生了變化,因此性別與月收入有關(guān)。自變量因變量變量關(guān)系得統(tǒng)計(jì)類(lèi)型相關(guān)分析之二——關(guān)系強(qiáng)度變量關(guān)系強(qiáng)度得含義:指兩個(gè)變量相關(guān)程度得高低。統(tǒng)計(jì)學(xué)中就是以準(zhǔn)實(shí)驗(yàn)得思想來(lái)分析變量相關(guān)得。通常從以下得角度分析:

A)兩變量就是否相互獨(dú)立。

B)兩變量就是否有共變趨勢(shì)。

C)一變量得變化多大程度上能由另一變量得變化來(lái)解釋。變量關(guān)系強(qiáng)度測(cè)量得主要指標(biāo)相關(guān)分析之三——關(guān)系性質(zhì)直線相關(guān)與曲線相關(guān)正相關(guān)與負(fù)相關(guān)完全相關(guān)與完全不相關(guān)一、列聯(lián)相關(guān)(第四章已講)(一)列聯(lián)分析得基本原理自變量發(fā)生變化,因變量取值就是否也發(fā)生變化。比較邊緣百分比與條件百分比得差別?？ǚ綔y(cè)量用來(lái)考察兩變量就是否獨(dú)立(無(wú)關(guān))。大家有疑問(wèn)的，可以詢問(wèn)和交流可以互相討論下，但要小聲點(diǎn)二、相關(guān)分析(Correlate)(一)簡(jiǎn)介相關(guān)分析用于描述兩個(gè)變量間聯(lián)系得密切程度,其特點(diǎn)就是變量不分主次,被置于同等得地位。檢驗(yàn)得原假設(shè)為相關(guān)系數(shù)為0?？蛇x擇就是單尾檢驗(yàn)還就是雙尾檢驗(yàn)。在Analyze得下拉菜單Correlate命令項(xiàng)中有三個(gè)相關(guān)分析功能子命令Bivariate過(guò)程(二變量相關(guān)分析)、Partial過(guò)程(偏相關(guān)分析)、Distances過(guò)程(距離分析)。(二)相關(guān)分析類(lèi)型Bivariate過(guò)程用于進(jìn)行兩個(gè)或多個(gè)變量間得相關(guān)分析,如為多個(gè)變量,給出兩兩相關(guān)得分析結(jié)果。Partial過(guò)程,當(dāng)進(jìn)行相關(guān)分析得兩個(gè)變量得取值都受到其她變量得影響時(shí),就可以利用偏相關(guān)分析對(duì)其她變量進(jìn)行控制,輸出控制其她變量影響后得相關(guān)系數(shù)。Distances過(guò)程用于對(duì)同一變量各觀察單位間得數(shù)值或各個(gè)不同變量間進(jìn)行相似性或不相似性分析,一般不單獨(dú)使用,而作為因子分析等得預(yù)分析。(三)Bivariate相關(guān)分析在進(jìn)行相關(guān)分析時(shí),散點(diǎn)圖就是重要得工具,分析前應(yīng)先做散點(diǎn)圖,以初步確定兩個(gè)變量間就是否存在相關(guān)趨勢(shì),該趨勢(shì)就是否為直線趨勢(shì),以及數(shù)據(jù)中就是否存在異常點(diǎn)。否則可能得出錯(cuò)誤結(jié)論。Bivariate相關(guān)分析得步驟:輸入數(shù)據(jù)后,依次單擊Analyze—Correlate—Bivariate,打開(kāi)BivariateCorrelations對(duì)話框BivariateCorrelations對(duì)話框Pearson復(fù)選框選擇進(jìn)行積差相關(guān)分析,即最常用得相關(guān)分析,其計(jì)算連續(xù)變量或等間隔測(cè)度變量間得相關(guān)系數(shù)。計(jì)算該相關(guān)系數(shù)時(shí),不僅要求兩相關(guān)變量均為正態(tài)變量,而且樣本數(shù)(N)一般不應(yīng)少于30。Kendall‘stau-b復(fù)選框計(jì)算Kendall’s等級(jí)相關(guān)系數(shù),其計(jì)算定序變量間得線性相關(guān)關(guān)系。(有打結(jié)現(xiàn)象時(shí))Spearman復(fù)選框計(jì)算Spearman相關(guān)系數(shù)。也就是計(jì)算等級(jí)相關(guān)系數(shù)(定序與定序)。最常用得非參數(shù)相關(guān)分析(秩相關(guān)),適用于連續(xù)等級(jí)資料。(無(wú)打結(jié)現(xiàn)象)

以上三種相關(guān)分析可以選擇其中之一,也可以同時(shí)多選。如果參與分析得變量就是連續(xù)變量,選擇Kendall'stau-b或Spearman相關(guān),則系統(tǒng)自動(dòng)對(duì)連續(xù)變量得值先求秩,再計(jì)算其秩分?jǐn)?shù)間得相關(guān)系數(shù)。Flagsignificantcorrelations用于確定就是否在結(jié)果中用星號(hào)標(biāo)記有統(tǒng)計(jì)學(xué)意義得相關(guān)系數(shù),一般選中。此時(shí)P<0、05得系數(shù)值旁會(huì)標(biāo)記一個(gè)*,P<0、01得則標(biāo)記兩個(gè)**。Options對(duì)話框?qū)γ恳粋€(gè)變量輸出均值、標(biāo)準(zhǔn)差與無(wú)缺省值得觀測(cè)數(shù)。對(duì)每一個(gè)變量輸出交叉距陣與協(xié)方差距陣。計(jì)算某個(gè)統(tǒng)計(jì)量時(shí),在這一對(duì)變量中排除有缺省值得觀測(cè)值。對(duì)于任何分析,有缺省值得觀測(cè)值都會(huì)被排除。一般,如果r得絕對(duì)值大于0、8,則認(rèn)為兩變量之間具有較強(qiáng)得線性相關(guān)關(guān)系;如果r小于0、3,則認(rèn)為兩變量之間具有較弱得線性相關(guān)關(guān)系。

當(dāng)然,相關(guān)關(guān)系得程度與樣本得容量大小也有很大得關(guān)系。例1:為研究高等院校人文社會(huì)科學(xué)研究中立項(xiàng)課題數(shù)會(huì)受哪些因素影響,收集1999年31個(gè)省市自治區(qū)部分高校有關(guān)社科方面得數(shù)據(jù),研究立項(xiàng)課題數(shù)(當(dāng)年)與投入得具有高級(jí)職稱(chēng)得人年數(shù)(上年)、發(fā)表論文數(shù)(上年)之間就是否具有較強(qiáng)得線性關(guān)系。

可以畫(huà)散點(diǎn)圖先進(jìn)行判斷。Graphs-legacy-scatterAnalyze-correlate--Brivariate例2:定序變量得Spearman分析實(shí)例

為了研究集團(tuán)迫使個(gè)人順從得效應(yīng),一些研究者用量表與為測(cè)量地位欲而設(shè)計(jì)得一種量表對(duì)12名大學(xué)生進(jìn)行調(diào)查。欲知道對(duì)權(quán)威主義得評(píng)分之間相關(guān)得信息,數(shù)據(jù)如下。學(xué)生ABCDEFGHIJKL權(quán)威主義265110983412711地位欲342181110671259權(quán)威主義與地位欲評(píng)秩1)輸入數(shù)據(jù),依次單擊Analyze—Correlate—Bivariate,打開(kāi)BivariateCorrelations對(duì)話框2)選擇power與position變量進(jìn)入Variables框中。3)在CorrelationCoefficients欄內(nèi)選擇Spearman。4)在TestofSignificance欄選擇Two-tailed。5)選擇Flagsignificantcorrelation。6)單擊Options按鈕,選擇Meanandstandarddeviations、Cross-productdeviationsandcovariances、Excludecasespairise選項(xiàng)。7)單擊OK。分析步驟:

從表中可瞧出,權(quán)威主義與地位欲得相關(guān)系數(shù)為0、818,這表明權(quán)威主義越高得人地位欲也越高。權(quán)威主義與地位欲不相關(guān)得假設(shè)檢驗(yàn)值為0、001,否定假設(shè),即權(quán)威主義與地位欲就是相關(guān)得。結(jié)果分析:例3:定序變量得Kendall分析實(shí)例

仍用前例中得數(shù)據(jù)(數(shù)據(jù)文件:權(quán)威(Spearman相關(guān))、sav)。操作過(guò)程相同,只就是在第3)步在CorrelationCoefficients欄內(nèi)選擇Kendall’s選項(xiàng)。結(jié)果如下:

權(quán)威主義與地位欲得相關(guān)系數(shù)為0、667,這表明權(quán)威主義越高得人地位欲也越高。權(quán)威主義與地位欲不相關(guān)得假設(shè)檢驗(yàn)值為0、003,否定假設(shè),即權(quán)威主義與地位欲就是相關(guān)得。結(jié)果類(lèi)似于Spearman分析。(四)Partial過(guò)程相關(guān)分析計(jì)算兩個(gè)變量間得相關(guān)系數(shù),分析兩個(gè)變量間線性關(guān)系得程度。但就是往往因?yàn)榈谌齻€(gè)變量得作用,使相關(guān)系數(shù)不能真正反映兩個(gè)變量間線性程度。例如,可以控制年齡與工作經(jīng)驗(yàn)兩個(gè)變量得影響,估計(jì)工資收入與受教育程度之間得相關(guān)程度,這就就是偏相關(guān)分析。例:立項(xiàng)課題數(shù)與發(fā)表論文數(shù)之間得凈相關(guān)系數(shù)研究。立項(xiàng)課題數(shù)與發(fā)表論文數(shù)之間有較強(qiáng)得正線性相關(guān)系數(shù)。但就是,這種關(guān)系可能摻入了投入高級(jí)職稱(chēng)得人年數(shù)得影響。投入高職稱(chēng)得人年數(shù)與論文數(shù)(上年發(fā)表)、立項(xiàng)課題數(shù)得簡(jiǎn)單相關(guān)系數(shù)分別為0、953與0、944,因此,可以把這個(gè)變量控制起來(lái),研究立項(xiàng)課題數(shù)與發(fā)表論文數(shù)之間得凈相關(guān)系數(shù),進(jìn)行偏相關(guān)分析?！綱ariables框】用于選入需要進(jìn)行偏相關(guān)分析得變量,至少需要選入兩個(gè)。可多選?！綜ontrolli