《社会统计分析方法(第二版)》课件第十一章 典型相关分析.pptx
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《《社会统计分析方法(第二版)》课件第十一章 典型相关分析.pptx》由用户(momomo)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 社会统计分析方法第二版 社会统计分析方法第二版课件第十一章 典型相关分析 社会 统计分析 方法 第二 课件 第十一 典型 相关 分析
- 资源描述:
-
1、第十一章典型相关分析 典型相关分析是进行两组变量之间相关的分析技术,因而是一种更一般性的方法,具有较强的分析能力。相比之下,简单相关反映两个变量之间的相关,多元相关则反映一个变量与一组(多个)变量之间的相关,而典型相关分析则是要反映两组变量之间的相关,而这两组变量都包括不止一个变量。所以,典型相关模型将更为复杂。换一个角度来说,多元相关分析是典型相关分析的一种特例,而简单相关分析又是多元相关分析的一种特例。典型相关分析的用途很广。当研究人员希望研究两组变量之间的关系时,就可能用到典型相关分析。这里所要强调的是,典型相关分析不是分别对其中一个变量组的每个变量做与另一组的多个变量之间的多元相关或多
2、元回归,这样做其实不能得到两个变量组之间的整体相关的信息,因为同组每一个变量之间也存在着相关,多个多元相关或回归的结果是不能简单迭加在一起的。而典型相关分析则是将各组变量都作为整体来对待,因此它所描述的是两个变量组之间的整体的相关形式,而不是关于两个变量组中变量的相关。实际研究当中,注重变量组之间关系的情况是很多的。比如,研究个人及其家庭的社会经济状况与本人在某些方面的表现之间的联系,其中社会经济状况可以是多方面的,本人的表现也可以从多个方面来测量。又比如,在有关专题的调查(即关于知识、态度和实际行动的调查)以后,我们可能将知识和态度变量作为一组变量,将实际行动作为另一组变量,研究知识和态度与
3、实际行动之间的联系。再比如,典型相关分析还可以用来分析试验研究中产生的两组变量,即试验前各方面的测量记录与试验后各方面的测量记录之间的联系。还有,典型相关分析还可以用于对应关系研究,如夫妻之间、代代之间、干群之间、供求之间所存在着的两组多变量之间关系的研究。一、典型相关分析思路的简介 本章的主旨是介绍利用软件来进行典型相关分析,不再详细介绍它的数学证明及其计算过程,而是注重介绍它的分析思路以及有关主要概念、指标的理解和应用。典型变量都是成对构建的,一对典型变量构成典型相关分析的一个维度。一对典型变量之间的简单相关系数就是典型相关系数。请注意,典型相关表达的不是原来两组中任何具体观测变量之间的相
4、关,而是根据两组所有观测变量的信息相应构建的成对工具变量之间的相关,因此表达了两组变量整体关系的一部分。并且,两个观测变量组之间的典型相关往往存在多个维度,其维度的多少由两个变量组中较小一组的变量数决定。因此,两个变量组之间的整体关联最终被分解到不同的独立维度上,由该维上的成对典型变量来代表,而该维关联程度则由这一维的典型相关系数来计量。图中只给出了典型变式的通项表达,实际上有多维典型变式,而每一维典型变式中的系数都不相同。典型相关分析建立第一对典型变量的原则是尽量使所建的两个典型变量之间的相关系数最大化。换句话说,就是在两个变量组各自的总变异中先寻求它们之间最大的一部分协变关系,并用一对典型
5、变式(量)所描述。于是,第一维度上的典型相关系数也随之求得。同时,这还意味着上述的协变差异部分已经从两组各自总变异中被剥离出去了。然后,在两组变量剩余的变异中继续寻找第二个最大的协变部分,形成第二对典型变式(量),并解出第二维度上的典型相关。这样的过程不断继续,直至所有协变差异最终被剥离完毕。因此,两组观测变量之间的关联可以由若干对典型变量来代表。各对典型变量之间的典型相关程度依序次逐步下降。由于每一维上成对典型变式都是根据两组观测变量之间的协变差异构建的,因此实际上能够得到典型相关维度数目的上限为两组中变量较少一组的变量个数。二、典型相关模型的基本假设和数据要求 典型相关模型的基本关系假设是
6、两组变量之间为线性关系,即每对典型变量之间为线性关系。并且,每个典型变量与本组所有观测变量的关系也是线性关系。如果理论和经验说明,两组变量之间并不是线性关系,就需要采取一些方法来改造原来的观测变量。一些在多元回归中常用的变量改造方法都可以用在这里,比如取对数、取倒数、取平方值等等。为了检验两组之间观测变量是否为线性关系,可以审阅其简单相关矩阵。当理论和经验说明应存在较强联系的变量之间相关程度很低时,就应考虑它们的关联可能实际上不是线性关系,并寻找将其转换为线性关系的方法。另外,检验所有观测变量的分布也是常用的手段。如果一个变量的分布呈严重偏态,便会影响它与其他正态分布的变量之间的简单相关程度。
7、三、使用软件进行典型相关分析 非常遗憾的是,软件对别的分析模块越做越好,只有典型相关分析是个例外,现在已经不能通过菜单来操作典型相关分析了。但是,在的程序窗口仍可以调入或直接写入命令的方式来完成典型相关分析工作。有两种不同命令方法都可以完成对数据的典型相关分析。第一种,宏程序方法 第二种,宏程序方法(一)使用spss附带的典型相关分析命令程序进行分析 准备工作 调用或键入运行典型相关分析的命令 第一种方法:命令的说明与运行 第二种方法:命令的说明及运行(二)关于两种操作方法可能取得某些统计指标的不同结果的讨论 需要提示的是,的两种方法所得到对应典型系数、负载经常出现数值相等而符号相反的情况。这
8、种不一致并不是程序设计错误,而是因为两种方法对典型变量定义不同所造成的。如果初始构建的一对典型变量之间计算的典型相关系数为负数,为了能保持输出正的典型相关系数的常规,就需要改变其中一个典型变量值的符号。这种形式上的改变其实完全不影响该维度的相关程度。但是,不同软件或模块的程序在决定对哪一个典型变量改变符号时有任意性,而上述两种计算程序里出现了相反的选择。与此对应,其他一些与改变符号的典型变量相联系的指标也要改变符号。所以,这两种方法输出的典型相关系数虽然完全相同(都是正数),但由于改变符号的典型变量不同,因此会出现两种方法得到的一部分典型系数、负载等出现数值相等、符号相反的情况。其实,这种表面
展开阅读全文