心理学研究方法-相关和回归2PPT课件.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,多因素方差分析,混合设计的方差分析,例子：,字频为被试内变量（,3,个水平）,熟悉度为被试间设计（,2,个水平）,因此这是混合设计,混合设计方法,1,、,analyze-general linear model-repeated measures,2,、把,within subject factor name number of levels,输入,-define,输入对应的变量,3,、把熟悉度放入,between subject factor,(,被试间变量,),球形检验结果显著,p=0.026,，因此一元校正的结果,多元分析的结果,由于球形检验显著，不服从球形假设，要用校正后的分析结果，此时就不要看,sphericity assumed,结果,被试内变量和交互作用,字频的主效应显著（,F,（,1,7,）,=145.015,P,0.0005,），字频和熟悉性的交互作用显著,(,F,（,1,7,）,=114.158,P,0.0005).,被试间变量的主效应,熟悉度的主效应,F,（,1,7,）,=145.015,P,=0.005,简单效应分析,MANOVA d1 d2 d3 BY topic(1,2),/WSFACTORS=d(3),/WSDESIGN,/DESIGN,/WSDESIGN=d,/DESIGN=MWITHIN topic(1),MWITHIN topic(2).,连接被试内变量和被试间变量用,MWITHIN,两个连着写表示在,topic1,考察,d,的主效应，,topic2,考察,d,的主效应,简单效应分析的结果,在,topic2,（不熟悉），字频存在简单主效应。

在,topic,（,2,）水平固定时，,d,的简单主效应,结果描述,多因素方差分析结果显示，熟悉度的主效应,F,（,1,7,）,=145.015,P,=0.005,字频的主效应显著（,F,（,1,7,）,=145.015,P,0.0005,），字频和熟悉性的交互作用显著,(,F,（,1,7,）,=114.158,P,0.0005,）在不熟悉，字频存在简单主效应（,P,0.0005,）练习（见anxiety数据）,焦虑被试有两组，,分别是高焦虑组和低焦虑组（,变量名,anxiety,，用,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（变量名,trial1,、,trial2,、,trial3,、,trial4,）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：,简单效应分析,MANOVA d1 d2 d3 BY topic(1,2),/WSFACTORS=d(3),/WSDESIGN,/DESIGN,/WSDESIGN=d,/DESIGN=MWITHIN topic(1),MWITHIN topic(2).,MANOVA trial1 trial2 trial3 trial4 BY anxiety(1,2),/WSFACTORS=trial(4),/WSDESIGN,/DESIGN,/WSDESIGN=trial,/DESIGN=MWITHIN anxiety(1),MWITHIN anxiety(2).,结果,数据分析,-,相关和回归,苏园林,内容,相关,皮尔逊积差相关,斯皮尔曼等级相关,偏相关,线性回归,一元线性回归,相关,前提：两列变量关系是直线的,1,、成对的数据，最好大于,30,对,2,、两列变量正态分布,3,、两列变量是连续变量,等距或等比数据,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；有没有极端值,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,、计算峰度和偏度、正态性检验和,-,图，查看数据是否为正态分布，画箱形图是否有极端值要剔除,2,、画散点图，查看数据是否为线性关系,3,、选择合适的相关分析方法，计算相关系数和假设检验皮尔逊积差相关具体步骤,1,、正态性检验（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)-,把变量放入,variable-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间的相关系数，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间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线性回归,变量间存在相关关系时，也就具备了建立预测关系的基础在相关变量见建立预测方程式的统计学方法叫做回归分析在问卷调查中用得多,包括线性和非线性、一元和多元回归分析,一元线性回归,一元和多元线性回归,一元线性回归：,在两个变量具有线性关系的基础上，建立预测方程式用一个变量预测另一个变量如儿童的身高和体重存性相关，当得知身高时，预测被试的体重范围多元线性回归：,多个变量都与一个变量存在相关关系，建立用预测方程式用多个变量预测某一个变量例如：儿童的体重和年龄，都与身高存性关系，当已知体重和年龄时，对身高进行预测。

回归分析的一般过程,1,、,提出假设的回归模型,，确定自变量和因变量自变量是现实中容易测量的，而因变量是难测量的，如幸福感、自我效能感等,2,、,估计回归是线性还是非线性,，,用散点图,判断如果是线性则用线性回归必须做,),3,、,建立回归方程,4,、,回归方程的有效性检验，测定系数和回归系数,一元线性回归,Y,是因变量，,X,是自变量，,alpha,和,beta,是待求的参数一元线性回归的条件,1,、线性趋势,（用散点图检测）,2,、独立性：,因变量,y,的取值相互独立，残差独立用,durbin-watson,计算，值在,0-4,如果残差间相互独立，则取值在,2,附近D,小于,2,说明相邻误差存在负相关大于,2,，说明存在正相关）,3,、正态性：,自变量的任何一个线性组合，因变量,y,都服从正态分布，残差正态（直方图和,PP,图）4,、方差齐性：,自变量的任何一个线性组合，因变量,y,的方差均相同,一元线性回归例子,建立体重和肺活量的回归方程（用练习,1,的数据）,一元线性回归步骤,先画散点图（画出散点图后，双击图，右键选,add fit line at total tool,）,Analyze-regression-,把肺活量放入因变量,dependent-,体重放入自变量,independent,Statistics-,默认的,-residuals-durin waston,Plots-histogram,和,normal probability plot-OK,测定系数,判断因变量,Y,是独立的,回归方程的显著性检验,回归方程的系数和回归系数的显著性检验,残差的正态性,对比直方图和正态曲线的相似性，是否是中间高，两头低。

P-P,图的点是不是接近对角线回归方程显著，说明,X,与,Y,有显著的线性关系用该方程表示,X,与,Y,之间的关系是可靠的如果不显著，则不能用回归方程表示,X,与,Y,之间的关系测定系数：用,X,能有效预测,Y,的程度表明两者的共变。