当前课程知识点:心理统计 > 17 相关分析与检验 > 17.3 等级相关 > 17.3 等级相关
同学们好
今天我们来学习相关分析与检验这一章的
第三节等级相关
等级相关
这一章包括斯皮尔曼等级相关肯德尔和谐系数
以及小结这三块内容
那么什么是等级相关呢
它是指以等级次序排列
或者表示的变量之间的相关
比如说语文成绩的排名和数学成绩的排名
我们可以计算二者的等级相关
首先来看斯皮尔曼等级相关
它是等级相关的一种
适用于两个以等级次序表示的变量
他不要求两个变量的总体是正态的
也不要求样本容量必须大于30
当连续数据不能满足计算皮尔逊积差相关的
条件的时候
我们可以先把数据转换成等级数据
来计算斯皮尔曼等级相关
它的计算公式是这样的
我们来以一个例子来说明
比如说我们有十个高三学生的学习潜能测验
和自学能力测验
这是X是学业潜能测验Y是自学能力测验
X是一个连续性的变量
Y本身就是一个等级变量
RX也就是说我们把X做一个排序
我们叫这种在统计上叫秩次
我们通俗的讲就是等级
第一个孩子
他的成绩是90
他排在第一名
所以他的秩次为1
然后第十个孩子
他的成绩是64
排名是第十
所以它的秩次是10
那么Y它本身就是一个等级变量
这就是它的秩次
我们计算D
D是两个秩次的差
也就是1减去2等于负1
2减去1等于1
这一列是差
我们这一列是D的平方
这样它的符号就都去掉了
这个13是平方和
我们把它带入斯皮尔曼等级的计算公式
就是1减去∑D的平方就是这个13
然后分母部分10
就是样本量是10乘以N的平方减去一
所以斯皮尔曼等级相关的系数
等于0.9212
我们看一下
斯皮尔曼等级相关和皮尔逊积差相关的关系
这是我们第一个例子
我们有XY两个变量
有五对数据
看第二列
另外一个例子
它的Y变量和例一是不一样的
看一下例三
Y又有一个变化
例四
如果我们计算这四个例子的
皮尔逊积差相关的话
它们的取值一定是不一样的
如果我们计算斯皮尔曼等级相关
会出现什么情况呢
我们需要把数据首先转成等级数据
这里我们不需要再转换了
我们看例二
这个Y需要做一个转换
这是他们的秩次12345
Y3也是需要做一个转换
按照大小顺序有一个排序
大家发现没有
当我们转换成等级数据以后
他们的Y是变成了一样的
也就是对这四个例子来说
他们的斯皮尔曼等级相关将会是完全一样的
所以我们说等级相关
它反映的是两个变量等级间的相关
并不是两个变量间的数值关系
如果说我们的数据满足计算皮尔逊积差相关的
条件的时候
我们应该尽量计算皮尔逊积差相关
我们说当我们有了样本的相关系数的时候
我们还需要对总体的相关系数进行假设检验
这是我们的零假设
总体的相关系数为零
我们做假设检验
可以直接去查附表斯皮尔曼等级相关的临界值
我们去看在样本量为一个特定的值的时候
斯皮尔曼等级相关的临界值
如果我们计算出来的样本的相关系数
大于临界值
那么我们可以做出
总体相关系数显著不为零的推断
好
我们看肯德尔和谐系数
肯德尔和谐系数常以rw来表示
它适用于多列等级变量的资料
可以反映多个等级变量变化的一致性
它常用于K个评价者
对N个事物进行等级评价时
来判断这些评价者评价的一致性
它的计算公式rw是这样的一个式子
rw表示肯德尔和谐系数
K表示的是等级评价者的数量
那么n代表的是被评价值的数量
R是K个等级之和
SSR是R的离差平方和
我们举一个例子
我们有四位教师
K1K2K3K4来评价六个学生的作文
123456
第一个评价者K1他认为
第五个学生的作文是最好的
所以给他的秩次是1
其次是第三个学生给他的秩次是2
他认为第四个学生最差
所以给他的秩次是6
任何一个评价者都需要对这六个学生的作文
进行一个评价
而且这个评价就是一个排序
从好到差有一个排序
我们下面想衡量这四个评价者
他们的评价是否一致
如果评价非常不一致
比如说对于第一个学生
有的人认为是第三排至
有的认为第四
有的认为是一有的认为甚至到六等等
非常不一致
那么我们说这个学生
到底他的成绩是好还是不好
无法作出判断
因为评价者自身不一致
只有评价者评价比较一致的情况下
我们才能够来判定学生的成绩的优劣
看一下
这样一张表
我们求一下这四个
比如说针对第一个学生来说
这四个评价者一共给了多少等级
就是3+4+2+1等于10
这个是4+3+1+3等于11等等
那么我们假设评价者非常一致
一致到什么程度完全一样
比如说第一个人给他们的秩次是342615
第二个人如果完全一样
他应该也是342615
第三个人也是这样
第四个人也是这样
那么他们的等级和会出现什么情况呢
应该是比较大的差异
也就是说像3333如果完全一样
就是三四一十二
这里如果都是给4就是16
如果都是给2
那就是8
这是如果都是给6就是24等等
就是有这样的值
那么它们的差值会比较大
我们看一下
那么它们的离差平方和会是多少
就是12 16 8
24等等会是多少
就是我们肯德尔和谐系数的分母部分
就是它的分母部分
我们再举一个极端的情况
如果说1234非常不一样
非常不一样
比如说他给他是3
那么第二个被试就给6
第3号被试就给4
第4号被试给1
也就是差异非常大
对于每个被试来说
他的差异非常大
那么他们的等级和就会比较接近
就会比较接近
比如说这里就是3641就是14
这里比如说它是4 4
这个是1 6
我们看4+4=8
这个地方就是15
非常接近
好
我们肯德尔和谐系数的计算
分母部分是代表完全一样的时候
我们R之间的离差平方和
分子部分上面是指什么
就是它的实际观测值
就是你实际得到的是多少
这是我们刚才这些真正的实际判断
他们得到的离差平方和就是分子部分
那么二者的比值代表什么呢
比值越大就说明分子跟分母就越接近
就说明它的肯德尔就一致性会越强
也就是取值越大
我们就说它分子跟分母越接近
也就是说评价者的一致性就会越大
如果有相同等级的时候
肯德尔和谐系数需要用矫正公式
我们具体以例子来看
比如说第一个被试
他认为红色和青色它是一样的
喜欢程度
第二个被试
他认为红橙黄也是一样的
喜欢程度
应该是456排序
然后因为一样它就求平均了是5
第五个被试
他认为红跟蓝是一样的
同时他还认为橙跟黄是一样的
那么我们矫正系数该怎么算呢
就是∑C等于t的三次方减去t这里的t
就是你有多少个是一样的
求和
这个t比如说这里有两个
这有两个
2的3次方减去2
把这2带进去
它代表第一个被试
加上这个是三个3的3次方减去3
第五号被试有两对就分别放进去
等于3.5
然后我们把它带入
肯德尔和谐系数的矫正公式里边
主要是这一块
把∑C代进去
K等于4
计算出来等于0.825
它主要是把分母部分做一个矫正
肯德尔和谐系数的假设检验
也可以去查表
肯德尔W系数
显著性临界值表
同样的道理
如果你计算出来的W系数超过了临界值
我们说总体上这些评价者是一致的
好
我们来看一下这一节的小结
我们介绍了斯皮尔曼相关系数的计算
检验适用条件
肯德尔和谐系数的计算和检验
以及肯德尔和谐系数的适用条件
谢谢大家收看
再见
-1.1 统计学的意义
-1.2 心理统计简介
-1.3 基本概念介绍1
-1.4 基本概念介绍2
-1.4 基本概念介绍2--作业
-1.5 研究方法
--1.5 研究方法
-2.1 统计表和统计图简介
--2.1 统计图表
-2.1 统计表和统计图简介--作业
-2.2 频数分布表
-2.2 频数分布表--作业
-2.3 频数分布图
-2.3 频数分布图--作业
-2.4 百分位数和百分等级
-2.4 百分位数和百分等级--作业
-3.1 平均数
--3.1 平均数
-3.1 平均数--作业
-3.2 中数
--3.2 中数
-3.2 中数--作业
-3.3 众数
--3.3 众数
-3.3 众数--作业
-4.1 全距和四分位距
-4.1 全距和四分位距--作业
-4.2 标准差和方差
-4.2 标准差和方差--作业
-4.3 差异系数
--4.3 差异系数
-4.3 差异系数--作业
-5.1 Z分数介绍
-5.1 Z分数介绍--作业
-5.2 Z分数的分布及转换
-5.2 Z分数的分布及转换--作业
-6.1 概率的基本概念
--6.1 概率与二项分布--作业
-6.2 概率与二项分布
-6.2 概率与二项分布--作业
-6.3 概率与正态分布
-6.3 概率与正态分布--作业
-6.4 抽样分布与推论统计
-6.4 抽样分布与推论统计--作业
-7.1 假设检验的一般原理
-7.1 假设检验的一般原理--作业
-7.2 假设检验的一般过程
-7.2 假设检验的一般过程--作业
-7.3 假设检验的不确定性和误差
-7.3 假设检验的不确定性和误差--作业
-7.4 有方向的假设与单侧检验
-7.4 有方向的假设与单侧检验--作业
-8.1 t统计量与t检验
-8.1 t统计量与t检验--作业
-8.2 单样本t检验的方法
-8.2 单样本t检验的方法--作业
-8.3 有方向的检验和单侧检验
-8.3 有方向的检验和单侧检验--作业
-9.1 独立样本t检验
-9.1 独立样本t检验--作业
-9.2 独立样本t检验的应用
-9.2 独立样本t检验的应用--作业
-10.1 相关样本t检验方法
-10.1 相关样本t检验方法--作业
-10.2 有方向的假设和单侧检验
-10.2 有方向的假设和单侧检验--作业
-11.1 效应量的测量
-11.1 效应量的测量--作业
-11.2 均值检验效应量
-11.2 均值检验效应量--作业
-11.3 统计检验力及其影响因素
-11.3 统计检验力及其影响因素--作业
-12.1 参数估计的基本内容
-12.1 参数估计的基本内容--作业
-12.2 用t统计量作参数估计
-12.2 用t统计量作参数估计--作业
-12.3 假设检验和参数估计
-12.3 假设检验和参数估计--作业
-13.1 方差分析的逻辑
-13.1 方差分析的逻辑--作业
-13.2 方差分析的计算
-13.2 方差分析的计算--作业
-14.1 完全随机单因素方差分析
-14.1 完全随机单因素方差分析--作业
-14.2 方差分析的测量效应和事后检验
-14.2 方差分析的测量效应和事后检验--作业
-15.1 重复测量单因素实验设计
-15.1 重复测量单因素实验设计--作业
-15.2 重复测量单因素方差分析的逻辑和计算
-15.2 重复测量单因素方差分析的逻辑和计算--作业
-16.1 完全随机两因素实验设计
-16.1 完全随机两因素实验设计--作业
-16.2 完全随机两因素方差分析的逻辑和计算
-16.2 完全随机两因素方差分析的逻辑和计算--作业
-16.3 简单效应检验
-16.3 简单效应检验--作业
-16.4 完全随机两因素方差分析的效应值和事后检验
-16.4 完全随机两因素方差分析的效应值和事后检验--作业
-17.1 相关概述
-17.1 相关概述--作业
-17.2.1 皮尔逊相关1
-17.2.1 皮尔逊相关1--作业
-17.2.2 皮尔逊相关2
-17.2.2 皮尔逊相关2--作业
-17.3 等级相关
-17.3 等级相关--作业
-17.4 点二列相关和二列相关
-17.4 点二列相关和二列相关--作业
-17.5 φ相关
--17.5 φ相关
-17.5 φ相关--作业
-18.1 简单线性回归
-18.1 简单线性回归--作业
-18.2 回归模型和回归系数
-18.2 回归模型和回归系数--作业
-18.3 线性回归的基本假设
-18.3 线性回归的基本假设--作业
-18.4 变异的分解
-18.4 变异的分解--作业
-18.5 回归方程的估计标准误
-18.5 回归方程的估计标准误--作业
-18.6 回归方差的有效性检验
-18.6 回归方差的有效性检验--作业
-19.1 二项检验
-19.1 二项检验--作业
-19.2 卡方检验
-19.2 卡方检验--作业
-19.3 四格表及列联表
-19.3 四格表及列联表--作业
-20.1 非参数检验概述
-20.1 非参数检验概述--作业
-20.2 单样本非参数检验
-20.2 单样本非参数检验--作业
-20.3 两独立样本非参数检验
-20.3 两独立样本非参数检验--作业
-20.4 多个独立样本非参数检验
-20.4 多个独立样本非参数检验--作业
-20.5 两个配对样本非参数检验
-20.5 两个配对样本非参数检验--作业
-20.6 多配对样本的非参数检验
-20.6 多配对样本的非参数检验--作业