双变量分析

第十章双变量分析变量间关系相关关系因果关系相关关系：当一个变量发生变化，另一变量也随之发生变化。如果说变量X与变量Y有相关关系，意思就是它们一同起变化，即X有变化、Y也有变化，反之也一样。在相关关系中，一般无法区分哪个是原因，哪个是结果，两者是互为因果的。.eg.声望随着权力的变化而变化变量间相关关系的方向性正关系——同方向负关系——反方向正关系——同方向如果一个变量值的增加伴随着另一个变量值的增加，或者一个变量值的减少伴随另一个变量值的减少，则这个关系称为正相关，或称直接相关。.eg.交往次数的增加伴随着感情的增加负关系——反方向一个变量值的增加，伴随着另一个变量值的减少，则这个关系称为负相关，或称逆相关。.eg.现代化程度的提高伴随着人们直接交往的减少在使用符号表示时，“十”表示正相关，“一”表示负相关，但要注意，正负号并不表示关系的强度，而仅表示变化的方向。变量相关关系的类型：直线相关：x变化时，y的值大致均等变动，对应点狭长。曲线相关：x变化时，y的值大致均等变动，对应点曲线。因果关系在有相关关系的两变量中，如果明确说明了一个变量的变化引起了另一个变量的变化，那么这种关系就可以称作因果关系。所谓因果关系就是“因X的变化导致了Y的变化。”例温度和水。X是自变量，Y是因变量因果关系的三个条件：（相关关系）不对称关系变化顺序有先后X、Y的变化非同源于第三变量的影响交互分类用于测量的变量类型：定类和定类定序和定序交互分类：一组数据按照两个不同变量进行综合的分类。常用交互分类表表示（列联表）。年龄性别青年中年老年合计男706050180女504030120合计12010080300交互分类表的作用1.有利于了解样本的分布状况和内在结构2.有利于变量间关系的分析和解释例：频数统计：人数赞成（％）反对（％）不表态（％）2000454510交互分类表调查人数赞同（％）反对（％）不表态（％）男100085105女100058015同样可以做年龄与态度、职业与态度、文化程度与态度的交互分类。3.有利于分组比较－－分析变量间关系的基础工资水平人数比例（％）高5010中25050低20040合计500100可进行平均数和中位数的求解。为什么这样分布？－－引进变量文化水平与工资收入交互分类表（人）文化水平工资收入大专以上中学小学及以下合计高2618650中1420234250低555140200合计45275180500文化水平与工资收入交互分类表（％）文化水平工资收入大专以上中学小学及以下合计高587310中31731950低11207840合计（n）100（45）100（275)100（180）100（500）交互分类表的形式要求1.表号和标题。2.线条规范，最好不用竖线，线条越少越好。3.“％”处理方法：标题尽头或纵栏数字处4.纵栏最下端用括号标出每一纵栏对应的频数。5.保留小数点后一位。6.两个交互分类的变量安排：自变量上层、因变量左侧、百分比方向按自变量方向即纵栏方向。7.两个变量的变量值：3*2、3*3、3*4、4*5卡方检验——避免误区年龄对提前退休的态度青年中年老年合计赞成14415430328反对5612690272n200280120600年龄与提前退休的态度的交互分类表（人）dfP=.30.20.10.05.02.01.00111.0741.6422.7063.8415.4126.63510.82722.4083.2194.6055.9917.8249.21013.81533.6654.6426.2517.8159.83711.34516.26844.8785.9897.7799.48811.66813.27718.465作用：1.可做相关性检查，因此又称为独立性检验。2.对小规模样本资料进行差异的显著性检验，可以判断分布差异是随机抽样误差引起的还是总体中分布状况引起的。两类学生的升学意愿分布（％）升学意愿城市中学生农村中学生想考大学78.665.9不想考大学21.434.1（n）（309）（44）两类学生的升学意愿分布（人）升学意愿城市中学生农村中学生合计想考大学24229271不想考大学671582（n）（309）（44）353习题：调查得到下列资料，试问不同性别的学生在择业意愿方面是否存在显著差异？择业意愿男生女生大专院校1060行政机关8020公司企业2010合计（人）11090