就是当定类-定类、定类-定序时,定序-定序、定序-定距时,定距-定距,定类-定距,要算这四种情况的变量之间的计算,分别应用什么相关系数?
Pearson,Kendall's tau-b,Kendall's tau-c,Spearman,Lambda等等一大堆系数晕了。。。
这四种情况跟bivarate,crosstable,discriptive等等操作又有什么对应关系么?
答案不要从网上直接抄了,应该没有直接能搜到的答案。
好的答案再追加至少一百分吧~
一列为连续正态数据,另一列为多分类的数据,用一种叫多系列相关的方法,见王孝玲《教育统计学》手算。印象中SPSS不可以做这种分析,用Lisrel可以。用Excel编写公式。
一列为等级数据,一列为连续数据。如果要求相关系数,请用斯皮尔曼等级相关。如果把等级数据当类别(如果种类不多的话),可以对连续数据进行单因素方差分析。
扩展资料:
其中,Cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差
复相关系数:又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如,某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。
典型相关系数:是先对原来各组变量进行主成分分析,得到新的线性关系的综合指标,再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。
如果有若干个样品,每个样品有n个特征,则相关系数可以表示两个样品间的相似程度。借此,可以对样品的亲疏远近进行距离聚类。例如9个小麦品种(分别用A1,A2,...,A9表示)的6个性状资料见表2,作相关系数计算并检验。
由相关系数计算公式可计算出6个性状间的相关系数,分析及检验结果见表3。由表3可以看出,冬季分蘖与每穗粒数之间呈现负相关(ρ = − 0.8982),即麦冬季分蘖越多,那么每穗的小麦粒数越少,其他性状之间的关系不显著。
参考资料来源:百度百科-相关系数
一种是连续正常数据,另一种是多分类数据,采用多序列相关的方法,如王晓玲的《教育统计》。我认为SPSS不能做这种分析。采。用Excel写公式。
一个是分层数据,另一个是连续数据。如果需要相关系数,则使用spearman秩相关。如果将分层数据视为类别(如果类别不多),则可以对连续数据执行单向方差分析。
扩展资料:
其中Cov(X,Y)是X和Y的协方差,Var[X]是X的方差,Var[Y]是Y的方差
复相关系数:又称复相关系数。复相关是指因变量与多个自变量之间的相关关系。例如,一种商品的季节性需求与其价格水平和雇员收入水平之间存在复杂的相关性。
典型相关系数:首先对每组原变量进行主成分分析,得到新线性关系的综合指数,然后通过各综合指数间的线性相关系数研究每组原变量之间的相关关系。
如果有多个样本,每个样本有n个特征,那么相关系数可以表示两个样本之间的相似程度。这样就可以对样本的近距离进行距离聚类。例如,9个小麦品种(A2,…6个性状(A9)的数据如表2所示,计算并检验相关系数。
根据相关系数计算公式可以计算出6个性状之间的相关系数。分析和测试结果如表3所示。从表3可以看出,冬季分蘖与每穗粒数呈负相关(=−0.8982),即冬季分蘖数越多,每穗粒数越少,其他性状之间的关系不显著。
本回答被网友采纳