SPSS相关性分析ppt课件

(U V ) 2 n(n 1)
17
偏相关分析
概念：当有多个变量存在时，为了研究任何两 个变量之间的关系，而使与这两个变量有联系 的其它变量都保持不变。即控制了其它一个或 多个变量的影响下，计算两个变量的相关性。
偏相关系数：偏相关系数是用来衡量任何两个 变量之间的关系的大小。
SPSS数据分析-第8章 --SPSS的相关分析和线性回归分析
—《SPSS统计分析方法及应用》
1
什么是相关分析
相关分析是分析客观事物之间相关性的数量分 析方法。许多事物或现象之间总是相互联系的， 并且可以通过一定的数量关系反映出来。
函数关系：两事物之间一对一的关系。 统计关系：两事物之间的多对一和一对多。
定类变量和定类变量之间的相关 定序变量和定序变量之间的相关 定距变量和定距变量之间的相关
5
定类变量 定序变量 定距变量
定类变量 变量的一种，根据定性的原则区分总体各个案类别的变量 。定类变量的值只能把研究对象分类，也即只能决定研究对象是同类 抑或不同类，具有＝与≠的数学性质。例如性别区分为男性和女性两 类
9
矩阵散点图：以矩阵的形式在多个坐标轴上分 别显示多对变量间的统计关系。变量在那一行， 那一行横坐标就是它。
10
线性相关的度量—尺度数据间的相关 性的度量
Pearson相关系数
r
n
( xi x)( yi y)
i0
n
2
n
ຫໍສະໝຸດ Baidu
2
( xi x) ( yi y)
i0
i 1
相关系数的数值范围是介于–1与 +1之间:
14
设D是两个变量每对数据的等级差，n是样本量。 则Spearman相关系数为：
n
6
Di2
r
1
i 1
n(n2
1)
n
n
2
Di2
(Ui Vi )
i 1
i0
15
Kendall的tau-b(K)
Kendall的 系数是另一种计算定序变量之间或 者定序和尺度变量之间相关系数的方法。 Spearman的等级相关系数可以方便检验两个定 序变量是否相关，但是很难具体解释两个变量 如何相关及相关程度。Kendall的等级相关系 数可以同时反映两个变量的相关程度。
定序变量 变量的一种，区别同一类别个案中等级次序的变量。定序 变量能决定次序，也即变量的值能把研究对象排列高低或大小，具有 ＞与＜的数学特质。它是比定类变量层次更高的变量，因此也具有定 类变量的特质，即区分类别（＝，≠）。例如文化程度可以分为大学 、高中、初中、小学、文盲。
定距变量 也是变量的一种，区别同一类别个案中等级次序及其距离 的变量。它除了包括定序变量的特性外，还能确切测量同一类别各个 案高低、大小次序之间的距离，因而具有加与减的数学特质。但是， 定距变量没有一个真正的零点。
3
相关关系的种类
相关关系的种类：是否线性
线性相关
正相关 负相关
曲线相关
相关关系的种类：据变量的度量类型
定类变量和定类变量之间的相关 定序变量和定序变量之间的相关 定距变量和定距变量之间的相关
4
相关关系的种类
相关关系的种类：是否线性
线性相关
正相关 负相关
曲线相关
相关关系的种类：据变量的度量类型
13
Spearman等级相关系数—定序变量之 间的相关性的度量
斯皮尔曼等级相关系数：
两个变量为定序变量。 一个变量为定序变量，另一个变量为尺度数据，且
两总体不是正态分布，样本容量n不一定大于30。 数据的秩：秩rank，是一种数据排序的方式，可以
知道某变量值在该列所有值中的名次。秩是对应数 值由大到小的，例如有100个数据都不一样的话， 最大的数值对应的秩就是100，最小的就是1。有重 复数据时候，会按同名称排列。
2
线性相关和非线性相关
统计关系还可以分为： （1）线性相关：当一个变量的值发生变化时，
另外的一个变量也发生大致相同的变化。在直 角坐标系中，如现象观察值的分布大致在一条 直线上，则现象之间的相关关系为线性相关或 直线相关（Linear correlation）。 （2）非线性相关：如果一个变量发生变动，另 外的变量也随之变动，但是，其观察值分布近 似的在一条曲线上，则变量之间的相关关系为 非线性相关或曲线相关（Curvilinear correlation）
Pearson 相关系数是一种线性关联度量。如果 两个变量关系密切，但其关系不是线性的，则 Pearson 相关系数就不是适合度量其相关性的 统计量。
12
等级相关分析
等级相关分析 等级相关是指以等级次序排列 或以等级次序表示的变量之间的相关。主要包 括斯皮尔曼二列等级相关和肯德尔和谐系数多 列等级相关。
16
设样本量为n，考察两个变量X和Y之间的相关 关系，X和Y的取值记为xi,yi。所有像(xi,yi)
对的个数为n(n-1)/2（也就是Cn2）。和分别
表示和的秩次，如果对于任意k，有我们称 Cn 2
(xk,yk)为同序对；否则，称为逆序对。 总的同序对的个数记为U，逆序对的个数记为V，
则Kendall的Tau系数的定义为：
8
散点图
通过观察散点图能够直观的发现变量之间的统 计关系 以及它们的强弱程度和数据对的可能 走向。散点图以横轴表示两个变量中的一个变 量，以纵轴表示另一个变量，将两个变量之间 相对应的变量值以坐标点的形式逐一标在直角 坐标系中，通过点的分布形状、分布模式和疏 密程度来形象描述两个变量之间的相关关系。
6
相关分析的作用
判断变量之间有无联系 确定相关关系的表现形式及相关分析方法 把握相关关系的方向与密切程度 为进一步采取其他统计方法进行分析提供依据 用来进行预测
7
相关分析和回归分析区别
相关分析：如果仅仅研究变量之间的相互关系 的密切程度和变化趋势，并用适当的统计指标 描述。
回归分析：如果要把变量间相互关系用函数表 达出来，用一个或多个变量的取值来估计另一 个变量的取值。
如果|r| ' 0，表明两个变量没有线性相关关系。
如果|r| ' 1 ，则表示两个变量完全直线相关。线性相关的 方向通过相关系数的符号来表示，“+”号表示正相关，“﹣”
表示负相关。
11
相关系数为0或接近于0不能说明两个变量之间 没有相关性，它只说明没有线性相关性。不能 排除具有其它非线性关系。