心理学研究方法-相关和回归典型实例.ppt

回顾多因素方差分析 例子 焦虑被试有两组， 分别是高焦虑组和低焦虑组（ anxiety 1和2表示）。每个被试接受抗焦虑药物治疗后，在治疗期间共测量了4次焦虑得分（trial1、2、3、4）。请问，该治疗是否有效？对高焦虑和低焦虑被试，疗效是否有差别？假如变量间有交互作用，如何计算简单主效应？ 自变量： 因变量： 实验设计： 结果 相关 前提：两列变量关系是直线的 1、成对的数据，不宜少于30对 2、两列变量正态分布 3、两列变量是连续变量 斯皮尔曼等级相关的条件 前提：两列变量关系是直线的 1、可用于两列等级数据 2、可用于当数据少于30对时 3、可用于当数据分布非正态时 皮尔逊积差相关的条件 1、两列变量是等距或等比的数据，但不为正态分布。 2、两列变量是等距或等比的数据，且为正态分布。 3、两列变量是都是等级数据 4、一列是等距或等比的数据，另一列列变量是等级数据 问题 假设两列变量为线性关系，下列情况计算相关的时候，应该分别选择哪种方法？ 斯皮尔曼等级相关 斯皮尔曼等级相关 斯皮尔曼等级相关 皮尔逊积差相关 相关分析的步骤 相关数据分析的三个步骤？ 了解数据 概括数据 揭示数据的意义 是不是正态分布；有没有异常值 平均值和标准差，画散点图探索数据是不是线性关系，选择哪种相关分析方法 计算相关系数和假设检验，判断相关是否显著 皮尔逊积差相关 例子：计算体重与肺活量的关系。（见体重与肺活量数据） 分析步骤： 1、画茎叶图和箱形图，查看数据是否为正态分布，是否有异常值要剔除 2、画散点图，查看数据是否为线性关系 3、选择相关分析方法，计算相关系数和假设检验。 皮尔逊积差相关具体步骤 1、画茎叶图和箱形图（见以前课件） 2、散点图：graphs-chart builder-scatterdot-选择散点图拖上去-把体重拖入横坐标，肺活量拖入纵坐标。 3、皮尔逊相关：analyze-correlate-bivariate-pearson(如果计算斯皮尔曼，就勾选spearman)-OK 符合正态分布 体重的峰度为0.315和偏度为-0.393 肺活量峰度为0.348和偏度为-0.653 散点图：有线性关系 相关系数和假设检验 我们使用皮尔逊积差相关分析方法探索体重与肺活量之间的关系，结果发现体重与肺活量存在显著正相关（r = 0.881，P 0.0005，请见上图）。 Prism画图软件 相关描述的文献中的例子 论文写作注意点： 1、相关要呈现散点图 2、在散点图中要把相关系数和P值标出 3、在论文写作中，一定不要把spss中的表格直接粘贴进去 练习1-相关分析的操作 见身高-体重-肺活量的数据（只是模拟数据，所以只列了20个被试）。 问题1：用皮尔逊积差相关计算两两相关（身高与体重，身高与肺活量，体重与肺活量） 1、了解数据 2、散点图 3、相关系数 练习1-结果 这是个相关矩阵，只需要看对角线的一半，另一半是重复的 练习1-结果 问题2：计算身高与体育成绩等级，体重与体育成绩等级，肺活量与体育成绩等级的相关。 练习2(见练习2数据) 分别计算轿车（automobile）和卡车(truck)的燃油利用率(mpg)和营业额的相关(sales) automobile truck 偏相关 简单相关分析通过计算两个变量见的相关系数，分析两个变量见的线性关联程度。但往往因为第三个变量的作用，使得相关系数并不能之间反应两个变量见的线性相关程度。 例如，1-5岁儿童的身高和言语能力的相关系数为0.85。但是，如果排除年龄的影响，两个变量的相关不显著。 那么如何排除年龄的影响，单独计算儿童身高和言语能力的相关？ 就要用到偏相关分析方法。把年龄与身高，年龄与言语能力的相关剔除，计算身高与言语能力的净相关 偏相关步骤 analyze-correlate-partial-把控制变量放入controlling for中，其他变量variable中 例子：控制体重的影响，计算身高与肺活量的相关 偏相关结果 因此，身高与肺活量相关系数从0.537，变为0.1 练习-偏相关（见练习1数据 ） 控制身高后，计算体重与肺活量的相关。