下载文档原格式
第７章相关分析相关分析是研究变量间密切程度的一种常用统计方法。
线性相关分析研究两个变量间线性关系的程度。
相关系数是描述这种线性关系程度和方向的统计量，通常用ｒ表示。
如果一个变量ｙ可以确切地用另一个变量ｘ的线性函数表示，那么，两个变量间的相关系数是＋１或－ｌ。
如果变量ｙ随着变量ｘ的增、减而增、减，即变化的方向一致。
例如，在一定的温度范围内昆虫发育速率与温度的关系，温度越高，发育速率相对也就越快。
这种相关称为正向相关，其相关系数大于０。
如果变量ｙ随着变量ｘ的增加而减少，变化方向相反。
例如，降雨强度与田间害虫种群数量的关系，随着降雨强度的增加，时间延长，害虫种群数量逐步下降。
这种相关关系称为负相关，其相关系数小于０。
相关系数ｒ没有单位，其值在－１～＋１之间。
SPSS系统中有一个用于相关分析的“Correlate”菜单项，其中包括有板有三个过程：① Bivariate 分析两个变量之间的相关关系；② Partial偏相关分析，分析在一个或多个变量的影响下，两个变量之间的相关关系；③ Ｄｉｓｔａｎｃｅ 相似性分析（距离分析）。
在这里将结合例子介绍两个变量之间的相关分析和偏相关分析过程的应用。
７.1二个变量间的相关分析本节介绍两两变量间的相关分析。
包括两个连续变量间的相关和两个等级变量间的秩相关。
这两种相关使用同一个过程，通过选择不同的分析方法来实现。
选择哪一种分析方法要看具体的数据类型。
[例子７-1]调查了29人身高、体重和肺活量的数据见表7-1，分析这三者之间的相互关系。
表7-1 身高、体重和肺活量的调查数据编号身高体重肺活量编号身高体重肺活量1 135.10 32.0 1.75 16 153.00 32.0 1.752 139.90 30.4 1.75 17 147.60 40.5 2.003 163.60 46.2 2.75 18 157.50 43.3 2.254 146.50 33.5 2.50 19 155.10 44.7 2.755 156.20 37.1 2.75 20 160.50 37.5 2.006 156.40 35.5 2.00 21 143.00 31.5 1.757 167.80 41.5 2.75 22 149.90 33.9 2.258 149.70 31.0 1.50 23 160.80 40.4 2.759 145.00 33.0 2.50 24 159.00 38.5 2.2510 148.50 37.2 2.25 25 158.20 37.5 2.0011 165.50 49.5 3.00 26 150.00 36.0 1.7512 135.00 27.6 1.25 27 144.50 34.7 2.2513 153.30 41.0 2.75 28 154.60 39.5 2.5014 152.00 32.0 1.75 29 156.50 32.0 1.7515 160.50 47.2 2.251037.1.1操作步骤1）准备数据文件在数据编辑窗口，定义变量名“ｎｏ”为编号、“ｈｅｉｇｈｔ”为身高、“ｗｅｉｇｈｔ”为体重、“ｖｃｐ”为肺活量。
上机实验七SPSS相关分析题目：1、分析数学和英语得分是否存在线性关系?数据来源：SPSS课程资料correlate2.sav假设：H0：数学和英语得分存在线性关系H1：数学和英语得分不存在线性关系基本结果：结论：Pearson相关系数为0.834，sig值为0.003，sig值小于0.05，所以数学和英语得分存在正相关；Spearman相关系数为0.770，sig值为0.009，sig值小于0.05，所以数学和英语得分存在正相关；无论是用Pearson、Spearman相关系数，都可以得出数学和英语得分存在正相关的结论，故接受H0假设，且SIG值均小于0.05，两者之间存在正相关线性关系。
题目：2、分析汽车销售额和燃油效率之间是否存在线性关系?数据来源：SPSS课程资料correlate1.sav假设：H0：汽车销售额和燃油效率之间存在线性关系H1：汽车销售额和燃油效率之间不存在线性关系基本结果：结论：Pearson相关系数为-0.492，sig值为0.000，sig值小于0.05，所以汽车销售额和燃油效率之间存在负相关；Spearman相关系数为-0.614，sig值为0.000，sig值小于0.05，所以汽车销售额和燃油效率之间存在负相关；无论是用Pearson、Spearman相关系数，都可以得出汽车销售额和燃油效率之间存在负相关的结论，且SIG值均小于0.05，故接受H0假设，两者之间存在负相关线性关系。
题目：3、试分析工资高低是否和教育水平相关?数据来源：SPSS课程资料Employee data.sav假设：H0：工资高低和教育水平相关H1：工资高低和教育水平不相关基本结果：结论：Pearson相关系数为0.661，sig值为0.000，sig值小于0.05，所以工资高低和教育水平之间存在正相关；Spearman相关系数为0.688，sig值为0.000，sig值小于0.05，所以工资高低和教育水平之间存在正相关；无论是用Pearson、Spearman相关系数，都可以得出工资高低和教育水平之间存在正相关的结论，且SIG值均小于0.05，故接受H0假设，两者之间存在正相关线性关系。
第七章态度调查及社会测量第一节态度调查的一般概述一、什么是态度调查态度是个体对某一对象所持的评价和行为倾向。
如果不是不可能的话，至少也是很难对态度进行直接测量。
一般研究者依据个体对其信念和情感的表达即意见来推测或估计他的态度。
这些意见可以通过个体对问题的反应获得。
依据个体表达出来的意见推测其态度有很大的局限性。
首先，人们可以掩饰和隐藏其真实态度，而表达出社会可接受的意见。
其次，人们可能并不一定真正知道他们对一个社会问题的感受，或对这类问题从未考虑过。
第三，人们可能对一个抽象的情景感受不深，除非其面对真实情景，否则无法预测其反应或行为。
即使是个体的行为本身，也不总能标志其态度。
当西方政治家们吻幼儿时，他们的行为不一定真实表示他们喜欢幼儿。
社会风俗或为博得社会赞同的愿望使得许多公开的行为表露仅仅为了形式，很少与人们的内心情感有关。
尽管如此，在许多情况下，意见的描述和测量还是可能与人们的真实态度密切关联的。
二、态度测量的方法H.C.林格伦认为，态度测量主要是测量态度的方向和强度。
态度的方向反映个体对对象的好恶及肯定或否定；态度的强度反映个体对对象感受的力量或深度。
当今测量态度的方法主要有：自我评定法、自由反应法、行为观察法及生理反应法等。
自我评定法是要求被测者对一定项目进行自我评定，测定时主要测定态度的情感成分，一般用数字表示其结果。
自我评定的手段有总和等级评定法和社会距离量表法。
自由反应法主要测定态度的认知成分，测定时要求被测者做出自由反应。
主要包括问卷法、投射法、语句完成法等。
这些方法已有专门叙述，在此不再赘述。
行为观察法主要是观察被测量者的行为表现，根据其行为表现估计其对对象的态度。
它的优点是可以不使被测量者觉察从而获得的资料比较可靠。
其不足在于行为和态度并不是一一对应的简单关系。
因此一般不宜单独以观察行为的结果来确定一个人的态度，而是与其它态度测量方法结合使用。
生理反应法是测量被测者的生理反应以确定其态度的方法，主要测定人们态度的情感因素的强度。
