spss卡方检验与相关分析课堂

1、第五章,相关分析与检验,相关分析之一,有关与无关,寻找变量间的关系是科学研究的首要目的,变量间的关系最简单的划分即,有关与无,关,在统计学上，我们通常这样判断变量之间,是否有关：如果一个变量的取值发生变化,另外一个变量的取值也相应发生变化，则,这两个变量有关。如果一个变量的变化不,引起另一个变量的变化则二者无关,1,通,过,考,试,2,未,通,过,考,试,1,男,性,4,0,6,0,2,女,性,4,0,6,0,总,计,4,0,6,0,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，通过率变量,的取值并未发生变化，因此性别与考试通过率无关,自变量的不同取值在因变量上无差

2、异，两变量无关,自变量的不同取值在因变量上有差异，两变量有关,每,月,工,资,平,均,数,N,1,男,性,7,5,2,4,0,4,5,2,2,女,性,6,0,1,9,7,4,0,9,总,计,6,8,0,9,5,8,6,1,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,自变量,因变量,变量关系的统计类型,定,类,定,序,定,距,定,类,列,联,cross-tabulate,列,联,cross-tabulate,方,差,分,析,分,组,平,均,数,compare means,定,序,列,联,cross-tabulate,积,差,相,关,spearman corr

3、elation,积,差,相,关,spearman correlation,积,矩,相,关,pearson correlation,定,距,积,矩,相,关,pearson correlation,回,归,regression,相关分析之二,关系强度,变量关系强度的含义,指两个变量相关程度,的高低。统计学中是以准实验的思想来分,析变量相关的。通常从以下的角度分析,A,两变量是否相互独立,B,两变量是否有共变趋势,C,一变量的变化多大程度上能由另一变量,的变化来解释,变量关系强度测量的主要指标,定类,定序,定距,定类,卡方类测量,Lamda,等,卡方类测量,Lamda,等,Eta,系数,定序,Spe

4、arman,相关系数,同,序,异,序,对测量,Spearman,相,关系数,定距,Pearson,相,关系数,相关分析之三,关系性质,直线相关与曲线相关,正相关与负相关,完全相关与完全不相关,一、列联相关（第四章已讲,一）列联分析的基本原理,自变量发生变化，因变量取值是否也,发生变化,比较边缘百分比和条件百分比的差别,卡方测量用来考察两变量是否独立,无关,j,i,ij,P,P,P,二、相关分析,Correlate,一）简介,相关分析用于描述两个变量间联系的密切,程度，其特点是变量不分主次，被置于同,等的地位。检验的原假设为相关系数为,0,可选择是单尾检验还是双尾检验,在,Analyze,的下拉

5、菜单,Correlate,命令项中,有三个相关分析功能子命令,Bivariate,过程,二变量相关分析,Partial,过程（偏相关分,析）,Distances,过程（距离分析,二）相关分析类型,Bivariate,过程用于进行两个或多个变量间的,相关分析，如为多个变量，给出两两相关的,分析结果,Partial,过程，当进行相关分析的两个变量的,取值都受到其他变量的影响时，就可以利用,偏相关分析对其他变量进行控制，输出控制,其他变量影响后的相关系数,Distances,过程用于对同一变量各观察单位间,的数值或各个不同变量间进行相似性或不相,似性分析，一般不单独使用，而作为因子分,析等的预分析,

6、三,Bivariate,相关分析,在进行相关分析时，散点图是重要的工具,分析前应先做散点图，以初步确定两个变,量间是否存在相关趋势，该趋势是否为直,线趋势，以及数据中是否存在异常点。否,则可能得出错误结论,Bivariate,相关分析的步骤,输入数据后，依,次单击,Analyze,Correlate,Bivariate,打开,Bivariate Correlations,对话框,Bivariate Correlations,对话框,Pearson,复选框,选择进行积差相关分析,即最常用的相关分析，其计算连续变量或,等间隔测度变量间的相关系数。计算该相,关系数时，不仅要求两相关变量均为正态,变量

7、，而且样本数,N,一般不应少于,30,Kendalls tau,b,复选框,计算,Kendalls,等级相,关系数，其计算定序变量间的线性相关关系,有打结现象时,Spearman,复选框,计算,Spearman,相关系数,也是计算等级相关系数（定序与定序）。最,常用的非参数相关分析（秩相关），适用于,连续等级资料,无打结现象,以上三种相关分析可以选择其中之一，也可,以同时多选。如果参与分析的变量是连续变,量，选择,Kendalls tau-b,或,Spearman,相关,则系统自动对连续变量的值先求秩，再计算,其秩分数间的相关系数,Flag significant correlations,用

8、于确定是否在结果中用星号标记有统计,学意义的相关系数，一般选中。此时,P0.05,的系数值旁会标记一个,P0.01,的,则标记两个,Options,对话框,对每一个变量,输出均值、标准,差和无缺省值的,观测数,对每一个变量,输出交叉距阵和,协方差距阵,计算某个统计量时，在这一对变量,中排除有缺省值的观测值,对于任何分析，有缺省值的观测值,都会被排除,一般，如果,r,的绝对值大于,0.8,则认为两变,量之间具有较强的线性相关关系；如果,r,小,于,0.3,则认为两变量之间具有较弱的线性,相关关系,当然，相关关系的程度与样本的容量大小,也有很大的关系,例,1,为研究高等院校人文社会科学研究中,立项

9、课题数会受哪些因素影响，收集,1999,年,31,个省市自治区部分高校有关社科方面,的数据，研究立项课题数（当年）与投入,的具有高级职称的人年数（上年）、发表,论文数（上年）之间是否具有较强的线性,关系,可以画散点图先进行判断,Graphs-legacy-scatter,Analyze-correlate-Brivariate,例,2,定序变量的,Spearman,分析实例,为了研究集团迫使个人顺从的效应,一些研究者用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，数,据如下,学生,A,B,C,D,E,F,G,H,I,J,K,L,权威主义

10、,2,6,5,1,10,9,8,3,4,12,7,11,地位欲,3,4,2,1,8,11,10,6,7,12,5,9,权威主义和地位欲评秩,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,4,在,Test of Significance,栏选择,Two-tailed,5,选择,Flag significant correlation,6,单

11、击,Options,按钮，选择,Mean and standard,deviations,Cross-product deviations and,covariances,Exclude cases pairise,选项,7,单击,OK,分析步骤,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,Correlations,1.000,818,001,12,12,818,1.000,001,12,12,Correlation Coeff,Sig. (2-taile

12、d,N,Correlation Coeff,Sig. (2-tailed,N,权威主义,地位欲,Spearmans,权威主义,地位欲,Correlation is significant at the .01 level,结果分析,Correlations,1.000,667,003,12,12,667,1.000,003,12,12,Correlation Coef,Sig. (2-tailed,N,Correlation Coef,Sig. (2-tailed,N,权威主义,地位欲,Kendalls ta,权威主义,地位欲,Correlation is significant at the

13、 .01 level,例,3,定序变量的,Kendall,分析实例,仍用前例中的数据（数据文件：权威,Spearman,相,关,sav,操作过程相同，只是在第,3,步在,Correlation,Coefficients,栏内选择,Kendalls,选项。结果如下,权威主义和地位欲的相关系数为,0.667,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,0.003,否定假设，即权威主义与,地位欲是相关的。结果类似于,Spearman,分析,四,Partial,过程,相关分析计算两个变量间的相关系数，分,析两个变量间线性关系的程度。但是往往,因为第三个变量的作用，使相

14、关系数不能,真正反映两个变量间线性程度。例如，可,以控制年龄和工作经验两个变量的影响,估计工资收入与受教育程度之间的相关程,度，这就是偏相关分析,例：立项课题数与发表论文数之间,的净相关系数研究,立项课题数与发表论文数之间有较强的正,线性相关系数。但是，这种关系可能掺入,了投入高级职称的人年数的影响。投入高,职称的人年数与论文数,上年发表,立项课,题数的简单相关系数分别为,0.953,和,0.944,因此，可以把这个变量控制起来，研究立,项课题数与发表论文数之间的净相关系数,进行偏相关分析,Variables,框】用于选入需要进行偏相关,分析的变量，至少需要选入两个。可多选,Controlling for,框】用于选择需要在偏相,关分析时进行控制的协变量，如果不选入,则进行的就是普通的相关分析,Display actual significince level,复选框,用于确定是否在结果中给出确切的,P,值，一,般选中,Options,钮,Zero-order correlations,给出包括协变量在,内所有变量的相关方阵,说明，上年发表的论文数对当年的立项课题数的线性影,响非常弱。前面的是属于虚假相关,上机作业五,1