第三讲.双变量1概述.ppt

第三讲 双变量的统计分析 单变量的分析和统计描述，是我们了解和认识社会现象的基础。 但社会生活中的现象并不是孤立存在的，现象之间往往存在或多或少的关系，或者说，社会现象之间往往是相互联系、相互影响、相互依存的。 “学好数理化，走遍天下都不怕” “学好数理化，不如有个好爸爸” 变量之间的关系 两个变量之间的关系 多个变量之间的关系 在多数情况下，多个变量之间的关系又可以分解为若干个两个变量之间的关系，也就是说多个变量之间的关系可以通过若干个两个变量间的关系来描述。 进一步了解社会现象发生和变化的原因，揭示社会现象的发展规律，探索和发现现象之间的关系，才是大多数社会研究的主要目的，而这则需要对两个变量或多个变量之间的关系进行分析。 双变量的描述技术 交互分类与交互分类表 相关测量法 一、交互分类与交互分类表 交互分类就是将调查所得的一组数据按照两个不同的变量进行综合分类。通常以交互分类表（列联表）的形式出现，如表1： 交互分析的作用 如表3，我们只能得出赞成和反对的人大致相等的结论 实际从不同性别来看，男性和女性之间存在很大的差异 思考： 两个表格所显示信息的差异 交互分析的作用 较为深入的描述样本资料的分布状况和内在结构； 进行分组比较； 对变量之间的关系进行分析和解释。 交互分类表的形式要求 每个表的顶端要有表号和标题 线条规范、简洁，最好不用竖线 百分比符号的处理：一种在表顶端的右角；另一种在表中每一列数字的上方 表的下端用括号标出每一列的频数 两个变量的安排：通常是将自变量、或被看作自变量或用来做解释的变量放在上面（列），将因变量、或被看作因变量、或被解释的那个变量放在表的左侧（行）。 变量取值不宜太多。如4个自变量，5个因变量就是20个百分比 少数点的位数要一致。如67.3和50.0 必须要进行假设检验（多选变量的分析可以没有） 二、相关关系（correlation） 两变量间的相关关系指的是一个变量的值与另一个变量有连带关系。也就是，当一个变量发生变化时（或取值不同时），另一个变量也随之发生变化。（P68） 如： 文化程度 收入期望 女性的文化程度 生育期望 1、相关的性质 （1）相关关系的强度 相关程度，指的是相关关系的强弱或大小。相关关系的强弱或大小可以用统计法进行测量。变量间相关关系的统计结果称为相关系数。 相关关系的程度介于[0，1]之间，0代表无相关，1 代表全相关，数值越大，表示相关的程度愈强。 两点说明： 1.在对社会现象和社会行为的调查中，一般来说各种相关系数的值不可能达到1〔或一1)。也就是说，在社会研究中不可能存在两个完全相关的事物或现象 2. 相关系数只是用来表示变量间相关程度的指标，而不是相关数值的等单位度量。 如不能说相关系数0.6是相关系数0.3的2倍，只能说相关系数0.6的两个变量的关系比相关系数0.3的两个变量的关系更强。 （2）相关关系的方向（+、-） 正相关关系和负相关关系 正相关关系：一个变量的取值增加时，另一个变量的取值也增加，反之亦然； 人们的文化程度越高，他们的收入水平也越高；文化程度较低的人，他们的收入水平也普遍较低。反之，那些收入水平较低的人，他们的文化程度一般来说也较低。 负相关关系：一个变量的取值增加时，另一个变量的取值减少；而一个变量的值减少时，另一个变量值的增加。 在调查中发现，文化程度越高的被调查者，在回答问卷时，花费的时间越少，而文化程度较低的被调查者，填答问卷时花费的时间较长。在此，我们可以说文化程度和问卷填答时间之间存在着负相关关系。 注意：方向的分析只适用于定序以上层次的变量 （3）相关关系的对称性与非对称性 相关的两个变量，不一定有因果关系，可能是共同变化。 不对称关系：自变量X影响因变量Y，但是因变量Y不会影响X---因果关系， 如施肥量和小麦产量之间的关系 对称关系：不能确定或区分两个变量的方向。 如交往的多少与他们的互爱程度 因果关系 大多数的社会研究，都涉及因果关系的概念，社会研究的最终目的，往往在于希望获得某些社会现象间因果关系的知识。 如“受教育程度与人们的职业获得的研究”、“不同职业的被调查者收入的差异”---首先认为这些变量之间存在因果关系。 研究的目的在于辨明这些研究的因果关系状态 举例：相关关系与因果关系的区分 夏天太阳镜的销量与雪糕的销量 火灾造成的损失与救火人数 降雪量与交通事故发生的关系 人的身高与年龄之间的关系 受教育程度与收入 外商投资与经济增长 个人努力与学习成绩 （4）相关的类型 相关关系是一种数量关系上不很严格的相互依存关系。 如果这种关系近似地表现为一条直线，就称为直线相关，又称线性相关； 如果这个关系近似地表