双变量统计及spss应用专业内容课件

双变量统计及spss应用1高等教育双变量统计及spss应用1高等教育一、交互分类和X2检验（一）X2检验的作用 （二）X2检验的基本假定和原假设 1.基本假定 （1）样本用随机方法取得 （2）两个变量是定类变量；或一个定类，一个定序。 2.关于总体的情况，X2检验的研究假设（ H1）和原假设（H0即虚无假设）分别为： 研究假设H1：X与Y相关（总体中）

原假设H0：X与Y不相关（总体中）2高等教育一、交互分类和X2检验（一）X2检验的作用 2高等教育（三）X2检验的步骤3高等教育（三）X2检验的步骤3高等教育（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4高等教育（四）交互分类与X2检验的spss应用4高等教育源变量放入此框的变量在交互分类表中以行的形式出现一般将因变量放入此处。将自变量放入列放控制变量，可以放1个，也可以放多个5高等教育源变量放入此框的变量将自变量放入列放控制变量，可以5高等教育3）选择统计量卡方：对行变量和列变量的独立性进行卡方检验6高等教育3）选择统计量卡方：对行变量和列变量的独立性进行6高等教育4）其它选择默认项例子：性别和生活7高等教育4）其它选择默认项7高等教育自己选择几个定类变量操作下。8高等教育自己选择几个定类变量操作下。8高等教育二、相关测量法及检验（一）两个定类变量（或定类与定序）：λ 1.基本原理：如果两个定类变量相关，以一个变量的值来预测另一个变量的值，可以减少多少误差。 2.λ值介于0-1间，0表示不相关，1表示全相关，数值越大，相关程度越强。 3.λ测量有两种测量形式 对称形式：即两个变量的关系是对称的，不分自变量和因变量（两个变量可能相互影响），如家长的教育期望和子女的教育期望。 非对称形式：即一个是自变量X，一个是因变量Y,X影响Y，但Y不影响X。

9高等教育二、相关测量法及检验（一）两个定类变量（或定类与定序）：λ9 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10高等教育 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（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。

11高等教育（二）两个定序变量：Gamma(通常用G表示)11高等教育3.假设检验：Z检验和t检验研究假设H1:总体中G>0(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G>0（或<0），采用一端检验；H1是G≠0时，采用两端检验。12高等教育3.假设检验：Z检验和t检验12高等教育（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。13高等教育（三）两个定距变量：r(皮尔逊积矩相关系数)13高等教育假设检验：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）

14高等教育假设检验：F检验或t检验14高等教育（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0.41.15高等教育（四）定类与定距变量（或定序与定距）：相关比率（E2）15高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）

16高等教育3.假设检验：F检验或t检验16高等教育几种主要相关测量法及检验法变量测量层次相关测量法假设检验法

定类-定类定类-定序λ卡方检验定序-定序GZ检验或t检验定类-定距定序-定距E2

定距-定距rF检验或t检验17高等教育几种主要相关测量法及检验法变量测量层次相关测量法三、相关测量和检验的spss应用SPSS提供了多种相关测量和检验的过程 1.在分析菜单下：描述统计——交叉表 2.在分析菜单下：相关分析，有三个子命令。18高等教育三、相关测量和检验的spss应用SPSS提供了多种相关测量和（一）交叉表中的两变量相关分析1.打开数据，依次单击分析-描述统计-交叉表2.统计值选项中，选择相关测量法。19高等教育（一）交叉表中的两变量相关分析1.打开数据，依次单击分析-描

定类变量选项栏，测量定类变量的关系强度。包括四个值，选择其中的一个，就会输出相应的值用于检验交互分类表中，行变量和列变量是否独立定序变量选项栏测量定序以上层次变量之间的相关系数一个定类(或定序)，一个定距20高等教育定类变量选项栏，测量用于检验交互分类表中，定序变量测量定序以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21高等教育3.单击继续，回到上一级对话框21高等教育实际操作1.定类和定类（定类和定序）λ（对称和非对称）和卡方检验 性别和地区P=0.916>0.05,表示总体中二者不相关。22高等教育实际操作1.定类和定类（定类和定序）λ（对称和非对称）和卡对称测量和非对称测量的λ值均为0，说明二者不相关。23高等教育对称测量和非对称测量的λ值均为0，说明二者不相关。23高等教2.定类和定序：性别和职业24高等教育2.定类和定序：性别和职业24高等教育“对称的”表示两个变量对称测量的λ值（0.116），即以两个变量相互预测，可以削减11.6%的误差。标准差为0.015，T值为7.031，显著性检验水平（近似值sig.）为0.000.“职业类别因变量”表示职业类别为因变量时候的λ值（0.04），即以性别预测职业。“被调查者性别因变量”表示性别为因变量时候的λ值（0.233）。研究者根据统计的需要决定采取对称测量还是非对称测量。25高等教育“对称的”表示两个变量对称测量的λ值（0.116），即以两个3.定序和定序：G测量（对称测量）和t检验职业和生活二者正相关，相互预测可以减少23.85%的误差比例。T值为5.442，对应的sig.为P=.000<0.01,表示总体中二者相关。26高等教育3.定序和定序：G测量（对称测量）和t检验二者正相关，相互预4.定类与定距：E2（非对称测量）和t检验性别与教育年限

当教育年限为因变量时，E值为0.1，表示性别与教育年限间的相关系数为0.1t检验：比较均值——单样本T检验27高等教育4.定类与定距：E2（非对称测量）和t检验当教育年限为因变5.定序与定距：E2和t检验职业与声望职业和声望的相关系数为0.753t检验，比较均值——单样本t检验28高等教育5.定序与定距：E2和t检验职业和声望的相关系数为0.756.定距与定距：r和t检验年龄与声望相关系数为0.007,T值为0.255，P=0.799>0.05，拒绝研究假设。29高等教育6.定距与定距：r和t检验相关系数为0.007,T值为0教育年限与声望30高等教育教育年限与声望30高等教育（二）相关命令中的双变量分析分析——相关——双变量操作过程打开此命令，弹出选择要分析的变量选择相关测量法双变量分析主要提供定序以及以上层次的测量31高等教育（二）相关命令中的双变量分析分析——相关——双变量双变量分析Pearson系数，适用于定距及以上层次变量相关的测量Kendall’stau-b:肯德尔τb系数,适用于两个定序变量的测量。Speaman:斯皮尔曼相关系数，适用于定序变量的测量。双侧检验，即对称相关分析单侧检验，即非对称相关分析如选此项，系统在输出结果时，在相关系数的右上方使用“*”表示显著性水平为0.05,用“**”表示显著性水平为0.01，默认为相关系数值右上角标注“*”32高等教育Pearson系数，适用于Kendall’stau-b:肯“选项”，选择输出的统计量输出结果中显示变量的均值和标准差33高等教育“选项”，选择输出的统计量输出结果中显示变量的均值和标准差3实例操作 年龄与声望（定距和定距），选择Pearson系数，选择双端检验。34高等教育实例操作 年龄与声望（定距和定距），选择Pearson系数Pearson相关性是相关系数，由此“被调查者年龄”一列对应的第一个数据为1，表示“被调查者年龄”与“被调查者年龄”的相关系数，因为是同一个变量，所以完全相关。“被调查者声望等级”对应的是0.007，表示其和“年龄”的相关系数为0.007.对应的显著性水平是0.779>0.05,说明这种相关在总体中不存在。35高等教育Pearson相关性是相关系数，由此“被调查者年龄”一列对应 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。教育年限为自变量时，其与声望的相关系数是0.52，**和后面的说明，表明这一相关结果进行比较的显著性水平为0.01，并且通过了显著性检验。从上面的结果我们可以得出这样的结论：随机抽取1418名被调查者的教育年限与职业声望的相关关系为0.52，在0.01的显著性水平上，二者相关关系在抽取样本的总体上也是存在的。36高等教育 教育年限和声望（定距与定距），选择一端检验，即把教育年限说明：在一次测量中，可以测量多个变量，结果是一个相关矩阵37高等教育说明：37高等教育双变量统计及spss应用38高等教育双变量统计及spss应用1高等教育一、交互分类和X2检验（一）X2检验的作用 （二）X2检验的基本假定和原假设 1.基本假定 （1）样本用随机方法取得 （2）两个变量是定类变量；或一个定类，一个定序。 2.关于总体的情况，X2检验的研究假设（ H1）和原假设（H0即虚无假设）分别为： 研究假设H1：X与Y相关（总体中）

原假设H0：X与Y不相关（总体中）39高等教育一、交互分类和X2检验（一）X2检验的作用 2高等教育（三）X2检验的步骤40高等教育（三）X2检验的步骤3高等教育（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41高等教育（四）交互分类与X2检验的spss应用4高等教育源变量放入此框的变量在交互分类表中以行的形式出现一般将因变量放入此处。将自变量放入列放控制变量，可以放1个，也可以放多个42高等教育源变量放入此框的变量将自变量放入列放控制变量，可以5高等教育3）选择统计量卡方：对行变量和列变量的独立性进行卡方检验43高等教育3）选择统计量卡方：对行变量和列变量的独立性进行6高等教育4）其它选择默认项例子：性别和生活44高等教育4）其它选择默认项7高等教育自己选择几个定类变量操作下。45高等教育自己选择几个定类变量操作下。8高等教育二、相关测量法及检验（一）两个定类变量（或定类与定序）：λ 1.基本原理：如果两个定类变量相关，以一个变量的值来预测另一个变量的值，可以减少多少误差。 2.λ值介于0-1间，0表示不相关，1表示全相关，数值越大，相关程度越强。 3.λ测量有两种测量形式 对称形式：即两个变量的关系是对称的，不分自变量和因变量（两个变量可能相互影响），如家长的教育期望和子女的教育期望。 非对称形式：即一个是自变量X，一个是因变量Y,X影响Y，但Y不影响X。

46高等教育二、相关测量法及检验（一）两个定类变量（或定类与定序）：λ9 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47高等教育 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（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。

48高等教育（二）两个定序变量：Gamma(通常用G表示)11高等教育3.假设检验：Z检验和t检验研究假设H1:总体中G>0(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G>0（或<0），采用一端检验；H1是G≠0时，采用两端检验。49高等教育3.假设检验：Z检验和t检验12高等教育（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。50高等教育（三）两个定距变量：r(皮尔逊积矩相关系数)13高等教育假设检验：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）

51高等教育假设检验：F检验或t检验14高等教育（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0.41.52高等教育（四）定类与定距变量（或定序与定距）：相关比率（E2）15高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）

53高等教育3.假设检验：F检验或t检验16高等教育几种主要相关测量法及检验法变量测量层次相关测量法假设检验法

定类-定类定类-定序λ卡方检验定序-定序GZ检验或t检验定类-定距定序-定距E2

定距-定距rF检验或t检验54高等教育几种主要相关测量法及检验法变量测量层次相关测量法三、相关测量和检验的spss应用SPSS提供了多种相关测量和检验的过程 1.在分析菜单下：描述统计——交叉表 2.在分析菜单下：相关分析，有三个子命令。55高等教育三、相关测量和检验的spss应用SPSS提供了多种相关测量和（一）交叉表中的两变量相关分析1.打开数据，依次单击分析-描述统计-交叉表2.统计值选项中，选择相关测量法。56高等教育（一）交叉表中的两变量相关分析1.打开数据，依次单击分析-描

定类变量选项栏，测量定类变量的关系强度。包括四个值，选择其中的一个，就会输出相应的值用于检验交互分类表中，行变量和列变量是否独立定序变量选项栏测量定序以上层次变量之间的相关系数一个定类(或定序)，一个定距57高等教育定类变量选项栏，测量用于检验交互分类表中，定序变量测量定序以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58高等教育3.单击继续，回到上一级对话框21高等教育实际操作1.定类和定类（定类和定序）λ（对称和非对称）和卡方检验 性别和地区P=0.916>0.05,表示总体中二者不相关。59高等教育实际操作1.定类和定类（定类和定序）λ（对称和非对称）和卡对称测量和非对称测量的λ值均为0，说明二者不相关。60高等教育对称测量和非对称测量的λ值均为0，说明二者不相关。23高等教2.定类和定序：性别和职业61高等教育2.定类和定序：性别和职业24高等教育“对称的”表示两个变量对称测量的λ值（0.116），即以两个变量相互预测，可以削减11.6%的误差。标准差为0.015，T值为7.031，显著性检验水平（近似值sig.）为0.000.“职业类别因变量”表示职业类别为因变量时候的λ值（0.04），即以性别预测职业。“被调查者性别因变量”表示性别为因变量时候的λ值（0.233）。研究者根据统计的需要决定采取对称测量还是非对称测量。62高等教育“对称的”表示两个变量对称测量的λ值（0.116），即以两个3.定序和定序：G测量（对称测量）和t检验职业和生活二者正相关，相互预测可以减少23.85%的误差比例。T值为5.442，对应的sig.为P=.000<0.01,表示总体中二者相关。63高等教育3.定序和定序：G测量（对称测量）和t检验二者正相关，相互预4.定类与定距：E2（非对称测量）和t检验性别与教育年限

当教育年限为因变量时，E值为0.1，表示性别与教育年限间的相关系数为0.1t检验：比较均值——单样本T检验64高等教育4.定类与定距：E2（非对称测量）和t检验当教育年限为因变5.定序与定距：E2和t检验职业与声望职业和声望的相关系数为0.753t检验，比较均值——单样本t检验65高等教育5.定序与定距：E2和t检验职业和声望的相关系数为0.756.定距与定距：r和t检验年龄与声望相关系数为0.007,T值为0.255，P=0.799>0.05，拒绝研究假设。66高等教育6.定距与定距：r和t检验相关系数为0.007,T值为0教育年限与声望67高等教育教育年限与声望30高等教育（二）相关命令中的双变量分析分析——相关——双变量操