M-S第1章相关分析.ppt_第1页
M-S第1章相关分析.ppt_第2页
M-S第1章相关分析.ppt_第3页
M-S第1章相关分析.ppt_第4页
M-S第1章相关分析.ppt_第5页
已阅读5页,还剩5页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、关联分析,问题的提出,到底学生在高家庭的收入会影响成绩吗? 什么样的影响? 你能建立一个回归模型来描述前三个成绩(这是定量变量)或(和)家庭收入(定性变量)作为参数,高成绩作为原因变量,这些变量之间的关系吗? 定量变量的相关性,只要两个定量变量没有关系,就不能建立或回归模型。 但是,怎样才能找出两个变量有关系呢? 最简单的直观方法是画散布图。 下面显示了四个数据集的散点图每个数据集代表两个变量x和y的示例。解相关、正线性相关、负线性相关、有相关但是非线性相关、定量变量的相关,在以下引入关联度的尺度如何描述数量相关。 “人相关系数”(Pearsons correlation coefficien

2、t )也称为相关系数或线性相关系数。 这个一般用r这个字母表示。 这是从两个变量的样本中得到的。 这是描述线性相关强度的量,取-1到1之间的值。 如果两个变量具有强线性相关,则相关系数接近1 (正相关)或-1(负相关);如果两个变量没有那么多线性相关,则相关系数接近0。 定量变量的相关器Kendall t相关系数(Kendalls t )这里的测量原理是将所有采样点配对(如果每个点由x和y组成的坐标(x,y )表达,那么测量原理可为例如(x1,y1)和(x2),其中如果大于0,则表示x和y同时增长或同时下降,这两点协同作用。 不然就不合作。 如果采样中的协作点数较多,则这两个变量更相关;如果采

3、样中的“不协作”点数较多,则这两个变量不太相关。 另外,虽然定量变量的相关器、Spearman秩相关系数(spearmanrankcorrelationcoefficient或Spearmans r )与Pearson相关系数的定义稍类似,但在该定义中可以将点的坐标作为相应样本的秩(即,在该定义中称为“点”)进行计算。 因此,可以进行不依赖于整体分布的非残奥仪表检查。 当所有与上三对相关联的度量的值接近于1或-1时,可能听到定量变量的相关性并且当接近于0时不相关。 怎么能叫“接近”呢? 这不能一概而论。 但是,校正机输出中存在与这些相关度量对应的检查和p值,因此能够根据这些结果判断是否相关(参照下述例7.1的继续)。 得到定量变量的相关例如初三和高成绩的人员相关系数,Kendall t相关系数和Spearman秩相关系数分别为0.758、0.595和0.758。 对这3个统一修正量的检查(零假设全部不相关)都显着,p值全部为0.000。 请注意,这个0.000的表示并不意味着这些p值正好等于零,而是小数点的前三位是零。SPSS的相关分析、相关分析利用SPSS选项: AnalizeCorrelateBivariate若选择

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论