双变量统计及spss应用.ppt

《双变量统计及spss应用.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、双变量统计及spss应用一、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）（三）X2检验的步骤（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源变量放入此框的变量

2、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4）其它选择默认项例子：性别和生活自己选择几个定类变量操作下。二、相关测量法及检验（一）两个定类变量（或定类与定序）：λ1.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

3、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。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（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

4、，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。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。（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.

5、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。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）（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

6、成绩间的相关系数是0.41.3.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）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。（一）

7、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。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。对称测量和非对

8、称测量的λ值均为0，说明二者不相关。2.定类和定序：性别和职业“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。3