第六章相关分析
引言
任何事物的变化都与其他事物是相互联系和相互影响的,用于描述事物数量特征的变量之间自然也存在一定的关系。变量之间的关系归纳起来可以分为两种类型,即函数关系和统计关系。
★相关分析的含义
在教育与心理统计中经常要遇到分析
两个或多个变量之间关系的情况。相关分
析是衡量事物之间,或称为变量之间相关
程度的强弱即变量间联系的密切程度,并
用适当的统计指标(相关系数r)表示出来。
如进一步希望了解某个变量对另一个
变量的影响强度,则用下一章将要讲述的
回归分析来实现。
★相关系数的取值情况
●r的取值范围在-1和+1之间,即-1≤r ≤+1;
●0<r≤1,变量之间存在正相关关系;
●-1≤r<0,变量之间存在负相关关系;
●/r/=1,二者即为函数关系;
●r=0,变量不存在线性相关关系。
(continued)
1./r/≥0.8时,视为高度相关;
2. 0.5≤/r/<0.8时,视为中度相关;
3. 0.3≤ /r/<0.5时,视为低度相关;
4. /r/<0.3时,说明变量之间的相关程度极弱,可视为不相关。
★相关系数的假设检验
在一般情况下,总体相关系数是未知的,我们往往用样本相关系数r作为总体相关系数ρ的估计值。但由于存在样本抽样的随机性,样本相关系数并不能直接反映总体的相关程度。为了判断r 对ρ的代表性大小,需要对相关系数进行假设检验。
★相关分析的类别
在实际中,根据研究的目的和变量的类型,相关分析可分为二元定距变量的相关分析、二元定序变量的相关分析、偏相关分析和距离分析。
一、二元定距变量的相关分析
通过计算定距变量间两两相关的系数,对两个或两个以上定距变量之间两两相关的程度进行分析。
定距变量又称间隔(interval)变量,它的取值之间可以比较大小,可以用加减法计算出差异的大小。如年龄、收入、成绩等变量。Pearson简单相关系数用来衡量定距变量间的线性关系。
(一)二元定距变量的相关分析在SPSS中实现过程
第一步:按Analyze→Correlate →Bivariate顺序打开窗口
第二步:把需求相关的变量请到Variables 框中;选择相关系数的类型;选择双侧检验;单击options 按扭。
用于正负相关两种可能的情况正负相关两种
可能的情况
只可能是正相关
或负相关的情况
第三步:选中输出相关系数的同时计算输出各变量的平均值和标准差;Continue;OK