相关性研究及其分析过程

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,*,事物是普遍联系的，人的心理和行为也与人的许多内外因素相联系，因此表现出复杂性的一面和随机性的一面。对人的心理和行为与对其有影响的内外因素的关系进行分析是揭示心理活动规律和机制的重要途径，而相关分析是其中初级的但很重要的部分。相关分析可以发现变量间的共变关系（包括正向的和负向的共变关系），一旦发现了共变关系就意味着变量间可能存在两种关系中的一种：,第一，因果关系(两个变量中一个为因、一个为果)；,第二，存在公共因子（两变量均为果，有潜在的共因）。,心理学的许多研究就是为了寻找这些因果关系，或者是寻找公共因子。由此可见，相关研究是非常有用的，它是许多深入研究的初始阶段。,第六章 相关性研究及其分析过程,研究变量的相关关系，一般要在自然条件或实验室条件下对一组被试进行观测，被观测的两个变量不是在研究者操纵下发生变化，而都是自然地发生变化。观测之后可得到两列数据，于是可分析二者的变化关系，分析的角度主要包括下述三个方面：,1,相关的方向：同时增加或减少，或是一增另一则减；,2,相关的形式：线性或非线性；,3,相关的程度或强度：“相随”变化的“亲密”程度。,相关的符号（正或负）确定了相关的方向。正相关表示两个变量 x 和y 沿同一方向变化，当x递增，y也递增；当x递减，y也随之递减。负相关则表示x与y在相反方向上变化，即x增加时y减少，x值减少时y增加。,不同种类的相关可以衡量不同类型的关系，但是大多数相关都来源于皮尔森相关，它用来估计线性（直线）关系。迄今为止，皮尔森相关是最常用的相关关系，通常用字母,r,表示。,我们还可以用散点图来直观表达两个变量的变化关系,相关分析包括三大类,：,二元相关分析,、,偏相关分析和距离相关分析。其中二元相关分析（Bivariate Corr.）又可分为连续测量变量间的简单相关分析（离差相关分析）和离散变量间的等级相关分析两类。具体如下图所示：,二、二元变量相关分析（Bivariate Corr.),二元变量间的相关分析，就是分析两个变量之间统计关系的强弱，它是直接使用同一样本两个观测系列观测值进行相关分析。如果两个变量都是连续测量的变量，则使用积差相关,即 Pearson 简单相关分析方法；如果两个变量是非连续性的离散的等级变量，或者虽然是连续变量，但是只想知道二者在等级上的相关性，则是等级相关，即Spearman相关或Kendalls tau-b相关。,在相关系数显著性检验中，Pearson 相关显著性检验的自由度为 df=n-2；等级相关接近正态分布，其显著性检验不需自由度。,此外，需要注意的是：相关研究中，样本一般要大于30（样本内部同质性越小，样本容量需要越大）。,1.连续变量间的Pearson相关分析过程,演示,2.非连续变量间的相关分析过程,演示,三、偏相关分析,直接的相关分析所得到的是两个变量间的共变关系，它反映了这两个变量间相互作用的关系或共同受到某一潜在因素影响的强弱，但是这种关系未必纯粹。比如物理与数学成绩的相关不是纯粹反映物理与数学的关系的，因为物理成绩可能还与语文成绩这一“第三者”有关。为了在剔除语文成绩影响的情况下，找到物理与数学的相关性，这时就要使用偏相关(Partial Corr.)分析方法以对“第三者”施加“管制”。在对偏相关进行显著性检验时，其自由度为n-3。在计算偏相关时点击对话框上的“Options”，然后选中“Zere-order correlations”则同时输出简单相关。,一般来说，简单相关系数和偏相关系数相比，前者有夸大的成分，后者更符合实际。,Partial Corr.的过程演示,四、距离相关分析,距离相关分析就是测量变量之间或个案之间测量的一致性程度。具体地说，如果变量间或个案间的相似性大或不相似性小，则说明二者的一致性程度高，否则二者一致性程度小。比如考察两个人个性特征的相似性程度、两个班级期末各科考试成绩的一致性、面试中考官评分的一致性等等，都可以使用距离相关分析来度量。,根据测量变量性质的不同，距离相关分析包括三种不同的情况：等距量表和比率量表测量的变量；顺序量表测量的变量；二项选择变量。在被测量变量的性质不同时，距离的计算方法也有所不同，具体对应关系是：,等距或比率量表测量：欧氏距离或欧氏距离平方；,顺序量表或称名量表测量：卡方统计量；,二项选择变量：欧氏距离或欧氏距离平方。,下边我们通过几个具体实例来说明。,例1，某公司聘请了5名心理学家为其进行中层干部招聘考试中的面试，面试分数记录如下。请问各考官评分的一致性如何?哪位考官的评分可信度小？各考生分数的差异是否明显？,过程演示,表6-1 某公司招聘面试评分结果,应聘者,考官1,考官2,考官3,考官4,考官5,1,8,8,9,7,6,2,6,7,5,6,7,3,7,6,7,6,6,4,8,9,8,7,8,5,6,7,5,6,6,6,7,6,8,7,6,7,8,8,7,8,9,8,4,5,3,4,8,9,6,5,6,4,5,10,8,9,8,7,6,结果一：考官评分的相似性（一致性）,结果一（Pearson Corr.)显示，考官之间一致性从高到低的顺序是：考官1和考官3、考官1和考官4、考官2和考官4及考官 1 和考官 2、考官3和考官4、考官2和考官3。考官 5 与其他四位考官评分的相似性都很小，其中与考官 1 间的相似性接近于 0、与考官3间的相似性为-.203，所以考官5与考官3的相似性最低。如果再聘请考官时，一般会考虑还是否聘请考官5。,结果二：考官评分的不相似性（差异性、距离性）,结果二（Euclidean Distance，欧几里德距离，简称欧氏距离)显示，考官之间不一致性从低到高的顺序是：考官1和考官3、考官1和考官4及考官1 和考官 2、考官2和考官4、考官3和考官 4、考官2和考官3。考官5 与其他四位考官评分的不相似性都很大，其中与考官3间的不相似性最大。如果再聘请考官时，一般会考虑不再聘请考官5。,结果三：考生成绩的相似性（一致性）,结果四：考生成绩的不相似性（差异性、距离性）,五、信度分析,使用心理量表进行研究时，量表的可靠性成为最基本的要求，为了解量表的可靠性就要进行信度分析。信度是评价结果的前后一致性，反映了测量结果受随机误差影响的大小。如果一个测量的信度较低，则随机误差影响较大，结果的可信赖程度就低。其估计方法常用的有三种：同质性信度、分半信度和重测信度。,1.同质性信度：,也称为内部一致性，指的是测验内部所有项目间的一致性，即：当所有项目所测为同一种心理特质或同一成绩水平时，因此它们之间都具有高度的正相关。评估同质性信度的常用参数是克伦巴赫（L.J.Cronbach）,系数，其计算方法是。,第三步,：,在Model下拉框中选择信度分析类型“Alpha”；,第四步,：,点击,Statistics打开对话框，选中以下几项：,（1）Correlation：计算项目间的两两相关系数；,（2）Scale if item deleted：显示去掉该项目后量表总体的平均值、方差，该项目与其它项目的相关性、Alpha系数的变化；,（3）F Test：作重复测量的方差分析；,（4）Hotellings T-square：项目间平均得分的相等性检验,；,第一步：将编制的量表在一定容量的样本中施测，将测量数据录入建立数据文件，且反向计分的项目要加以方向的校正；,第二步,：,点击,Analyze,中的,Scale,并选择,“Reliability analysis”,打开信度分析对话框，将所有问卷项目加入到变量表列中；,同质性信度分析过程演示及其结果解释,2.分半信度,：,分半信度是在测试后对测试项目按奇数项、偶数项或其它标准分成两半，分别记分，由两半分数间的相关系数得到信度系数。这是一种较为粗略的信度估计方法，其SPSS实现过程与同质性信度计算方法相似，只是在 Model下拉框中选择信度分析类型“Split-half”。,3.重测信度,：,同一个测验项目，对同一组人员进行前后两次测验，两次测验所得分数的相关系数即为重测信度，它反映前后两次测验结果有无变动，即测验的稳定性，故又称稳定性系数。其SPSS实现过程是：把前后两次测量的变量值并列输入SPSS数据文件，然后在Analyze下选择Correlate,再选择二元相关分析。在输出结果中得到同一变量前后测验间的相关，注意同一变量在前后两次测验数据的录入中不能使用同样的变量名，如果使用同样的变量名则需要加一个区分性脚码。,分半信度分析过程演示及其结果解释,复习练习题,1.调用文件“c:Program filesSPSSEmployee Data”,然后计算雇员在受雇初期的薪水与当前薪水的相关，计算并回答：受雇初期的薪水和当前薪水的变化关系受以前工作经历的影响吗？,2.一项关于中小学生心理健康状况的调查，汇总的数据如下页图表所示。请根据这一汇总的结果分析所调查的学校间学生心理健康状况的一致性如何？不同年级间学生心理健康状况的一致性如何？心理健康总分及各子量表分在年级间、学校间的水平分布是否一致（从相似性和不相似性两个角度进行分析）。,SPSS过程演示,学校,年级,心理健康总分,分量表1分,分量表2分,分量表3分,分量表4分,分量表5分,分量表6分,分量表7分,分量表8分,1,3,35.4,7.9,3.7,3.1,4.2,5.0,4.7,2.9,3.7,1,4,36.0,8.5,4.1,3.5,3.5,4.5,5.9,3.9,4.0,2,3,40.1,7.6,4.9,3.0,4.4,5.5,5.9,4.1,4.5,2,4,40.3,7.8,4.7,3.0,5.5,5.7,5.6,3.3,4.1,3,3,32.8,7.3,4.1,2.0,4.1,4.1,5.2,3.2,3.1,3,4,32.7,7.7,3.9,1.9,3.7,5.1,4.4,1.8,3.9,4,3,43.7,9.7,4.7,3.0,6.1,5.7,6.5,4.2,3.5,4,4,44.7,8.9,5.2,3.3,6.2,6.8,6.1,3.9,4.7,5,3,42.7,9.7,5.0,3.0,5.9,6.0,6.7,3.5,3.5,5,4,42.4,9.2,4.5,3.2,6.3,6.6,6.3,3.0,3.5,6,1,35.6,7.8,4.1,2.3,4.9,5.3,5.0,3.6,2.7,6,2,42.0,9.5,5.4,2.9,5.7,5.7,5.4,3.4,4.0,7,1,37.1,7.7,4.1,3.4,6.0,4.8,5.3,4.0,2.1,7,2,43.0,9.5,4.6,2.9,6.6,5.8,5.9,5.0,2.9,8,1,35.6,8.0,4.5,2.0,5.5,5.6,4.4,3.1,2.6,8,2,39.6,8.6,4.7,3.0,5.1,5.5,5.8,3.3,4.0,9,1,44.3,9.4,4.6,3.3,5.6,5.7,7.3,5.0,3.6,9,2,43.0,8.4,4.6,3.0,6.5,5.9,6.2,4.4,3.6,SPSS过程演示,3.就下列两个干部招聘考试面试考场的评分结果（数据文件见邮箱：），分析：,（1）有无评分质量明显偏低的考官；,（2）哪个考场评分的总体一致性更好？,（3）如何评估每一考官评分的高低及区分性？,数据文件：南京干部招考一面试考场的评分结果,数据文件：扬州干部招考一面试考场的评分结果,