相关系数检验如何检验两个相关系数间的差异确实存在

相关系数检验时间:2021-09-05 阅读:()

Excel 相关系数显著性检验怎么做

相关系数的显著性检验的目的是为了检验两个变量之间样本相关系数r(r≠0)与一个相关系数=0的已知总体之间的差别是否是由于抽样误差所产生的，如果差别有统计学意义，则说明两个变量之间存在相关关系。

在已经检验两个变量存在相关关系的情况下，相关系数的绝对值越趋近于1，则两个变量相关关系越密切，越趋近于0，则两个变量相关关系越不密切。

怎么检验相关系数的显著性

在你整理好需要进行相关系数计算的矩阵后，如x，直接利用下面一句代码就可以实现： [r,p] = corrcoef(x) p矩阵就是所求的检验结果，具体函数的作用可以利用帮助查找 help corrcoef 希望有用。

进行相关系数的显著性检验

用子样的数据来确定变量之间线性相关关系，只有当根据子样算出的 r ＞ rna(rna为临界值，它与信度和样品数有关，可以从相关系数临界值表中查得)，才可认为两变量存在线性相关: 反之 r ＞ rna则认为没有线性相关。

统计学相关系数显著性检验

相关系数是用以反映变量之间相关关系密切程度的统计指标。

相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。

相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。

由于研究对象的不同，相关系数有如下几种定义方式。

简单相关系数：又叫相关系数或线性相关系数，一般用字母P表示，是用来度量变量间的线性关系的量。

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。

依据相关现象之间的不同特征，其统计指标的名称有所不同。

如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。

如何检验两个相关系数间的差异确实存在

可以用的方法有---- 1. 比较两个回归系数之间差别的公式为：(b1-b2)/se12，其中b1和b2是被比较的回归系，se12是两者的JoinStandardError(联合标准误差)，其结果是一个以自由度为n-k-2的t分布（其中n是样本量、k是原来的自变量数，本案中为x和c两个）。

可是，在SPSS（其实是任何OLS回归）中，你如果将男女分成两个样本分布做回归可以得到b1和b2，却得不到联合标准误差se12（因为b1和b2出现在不同的模型中国），所以无法用到上述公式。

2. SEM（包括AMOS）是通过比较男女样本的拟合度之差别来比较两组回归系数之间的等同性。

不过，SEM的这种做法是有代价的：它将一个总样本分成两个小样本，其结果是降低了Power of Analysis (统计分析效力)，从而在没有降低犯Type I的误差的同时又提高了犯Type II误差。

3. 较合理的方法是男女不分组、保留在同一样本内，将性别转换成dummy变量，再生成性别与你想比较的自变量（如X）的交互变量（如X*性别），这就是我和小彭各自发的前贴的意思。

也就是说，将你的公式1（或公式2）中改成： Y = a + bX + cZ + dS +eSX + fSZ 其中S是性别（假定男=0、女=1），SX是性别与X的交互变量、SZ是性别与Z的交互变量。

如果男女在S上的取值（即0和1）代人该公式，就可以分解成以下两个公式（注意：样本还是一个）：女生组（S=1）：Y = a + bX + cZ + d1 +e1X + f1Z = (a+d) + (b+e)X +(c+f)Z 男生组（S=0）：Y = a + bX + cZ + d0 + e0X + f0Z = a + bX + cZ 如果d是显著的（即男女本身之差别），就说明女生在Y上的截距（即平均值）比男生高d个单位（见以下左右图的截距）；如果e是显著的（即性别对X与Y之关系的影响），就说明女生的X斜率比男生大e个单位（见左下图红线的斜率）；如果f是显著的（即性别对Z与Y之关系的影响），就说明女生的Z斜率比男生大f个单位（见右下图紫线的斜率）。

注：上两图应该是合并在一个三维图，但是不容易看清楚，所以分开来画。

展开全文