解释变量关系时必须考虑的四个问题 解释变量 控制变量

问:请教一个相关分析中遇到的问题:如果两个变量在理论假设里是有相关关系的,当这两个变量是定比变量的时候,对二者做相关分析,皮尔逊相关系数为0.065,双侧显著性检验P<0.001,这怎么解释呢?有的人说相关系数小于0.4就说明没有相关性,而有的人说显著性检验显著,就说明两个变量有相关关系,并且两者的相关比较显著。而当两个变量为定序变量的时候,肯德尔相关系数同样非常小(小于0.1),但显著性检验依然是显著相关的。这样的情况怎么取舍呢?如何解释呢?跟:原来讨论过这个问题,刚才回去翻了半天,也没找到那些内容.简言之,相关是否显著与标准差,N有关系,所以,皮尔逊相关系数为0.065仍为显著相关不奇怪.跟:谢谢指教!那可以说两个变量之间有线形相关吗?答:真正弄懂上述问题,需要全面了解在解释两(或多)个变量关系时必须考虑的四个基本问题:1.关系的显著性(thesignificance of the relationship):指两(或多)变量之间关系的统计显著水平,一般要求p< 0.05。这是解释的第一步,如果不显著(p >0.05)、不管其相关系数(回归系数或其它描述关系强度的统计量)多强(这在小样本的情况下会发生),都没有继续讨论的意义,因为在总体中这种关系存在的可能性很低,如接受这种关系的风险太大(即TypeI错误)。2.关系的强度(thestrength of therelationship):指相关系数(或其它类似统计量)的大小。以相关系数为例,一般认为0.3以下为弱相关、0.3-0.7之间为中相关、0.7-1.0为强相关。这种分类也适用于其它标准化统计量(如标准回归系数,standardized regressioncoefficient,在SPSS中叫BETA)。大家知道,这些标准化的统计量的平方描述了两(或多)个变量之间的重合部分(如我最近详细解释的回归模型R2描述了自变量对因变量的解释部分),从那个角度来看,弱相关的变量之间的重合不到10%、中相关变量之间的重合在10-50%,强相关变量之间的重合在50%以上。3.关系的方向(thedirection of therelationship):指相关系数(或其它类似统计量)的正负符号。如果原先的假设是单尾(one-tailed),如“上网会减少社交时间”、“上网会增加孤独感”等,那么其相关系数的方向就十分重要。(从可证伪性原则来看,单尾假设比双尾假设更好。)当一对变量的关系是显著并强烈、但是其方向与假设相反,该研究假设也必须被拒绝。当然研究者应该深入分析这种情况为何会发生。4.关系的形式(theform of therelationship):指变量之间的关系是线性(linear)还是非线性(nonlinear)。上述统计量描述的都是线性关系,如果不显著、显著而弱、显著并强烈但反方向,也许其真正的关系不是线性而是非线性,所以我们不能简单地收工回家,而要探索其非线性关系。当然,后者更复杂、对于没有良好的理论和方法训练的研究者更是容易掉进种种陷阱。以后有时间专门写个有关帖子。这里只想提醒大家,当你“山穷水尽疑无路”时,考虑一下非线性关系也许(justmaybe)会有“柳暗花明又一村”之效。http://hi.baidu.com/kidneyle/blog/item/ac18b65511acf05f564e00c3.html

解释变量关系时必须考虑的四个问题 解释变量 控制变量

  

爱华网本文地址 » http://www.aihuau.com/a/25101015/263888.html

更多阅读

开始行动学习之前 你必须答对的四个问题

文/徐中  行动学习的概念很好理解,简单地说就是学以致用。但企业在运用行动学习法之前,还应先弄清以下四个问题的答案。     行动学习法最早是由英国管理学思想家雷吉·瑞文斯(Reg Revans) 在1940年提出的,并将其应用于英格兰和

创业者必看:当老板必须考虑的四个问题

 创业是一个令人兴奋的话题,它既充满激情、充满挑战,同时它也是非常的残酷。然而不管创业的道路有多么的艰辛,还是有越来越多的朋友奋不顾身的踏上了这条不归之路,他们在各自的领域,用拼搏和奋斗演绎着自己的创业生涯,这种精神着实让人由

声明:《解释变量关系时必须考虑的四个问题 解释变量 控制变量》为网友異性敏分享!如侵犯到您的合法权益请联系我们删除