- 相關性:如果一個變量的變化引起了另一個變量的變化
目錄
一、四種基本變量
二、 相關性分析方法
1.Pearson相關系數
2.Spearman 等級相關系數
3.Kendall tua-b 等級相關系數
4.卡方檢測
5.Eta系數
*SPSS操作
三、偏相關
1.SPSS操作
2.偏相關系數和檢驗(t檢驗)
一、四種基本變量
- 定類變量
- 定序變量
- 定距變量(無‘零點’概念——溫度為0,仍有溫度)
- 定比變量(有‘零點’概念)
二、 相關性分析方法
1.Pearson相關系數
——适用于定距變量、定比變量(變量情況不同則不能使用皮爾遜系數法)
Pearson相關系數計算的使用條件
- 兩變量是定距變量或定比變量(均應由測量得到的連續變量)
- 兩變量所來自的總體都應是正态分布,或接近正态的單峰對稱分布
- 變量必須是成對的資料
- 兩變量間為線性關系
2.Spearman 等級相關系數
——度量定序變量與定序變量之間的相關
3.Kendall tua-b 等級相關系數
——度量定序變量間的線性相關關系(和Spearman一樣)
度量原理:把所有樣本點配對,看每一對中的x和y是否都增加來判斷總體模式
4.卡方檢測
—— 統計樣本的實際觀測值與理論推斷值之間的偏離程度,實際觀測值與理論推斷值之間的偏離程度就決定卡方值的大小。
如果卡方值越大,二者偏差程度越大;反之,二者偏差越小;若兩個值完全相等時,卡方值就為0,表明理論值完全符合。(卡方系數表作比較)
5.Eta系數
——表示的往往為非線性,Eta越高,說明相關性越強(最擅長定序/定類和定距/定比)(最不适用于定距和定距)
雙變量關系強度測量的主要名額
- 此表中“定比”包含于“定距”中
- 隻要有一個變量是定距,都可以用Pearson相關系數
- 在定類和定距變量關系測量中,若Pearson系數<Eta系數,則更可能呈現非線性關系(再做拟合)
*SPSS操作
- 相關性分析步驟
導入資料
- SPSS 對于“頻數”的資料處理
資料->個案權重
- Eta-SPSS操作
行表示因變量、清單示自變量
三、偏相關
在多變量的情況下,變量之間的相關關系是很複雜的,多個變量要通過控制得出資料