当前课程知识点:心理统计 > 19 计数数据的检验 > 19.3 四格表及列联表 > 19.3 四格表及列联表
同学们
大家好
我们来继续学习第19章计数数据的检验
今天我们要学习的是第三节内容
四格表
还有列联表的相关
我们首先介绍的是φ相关
φ相关适用的数据
是除四分相关之外的四格表的数据
也就是表示两因素分类资料
相关程度的最常用的一种相关系数
因其系数用φ表示
故得名φ相关
卡方检验
可以得出两分类变量是否存在关联
但是关联程度却无法获得
而φ相关
不仅与卡方检验有着密切的关系
而且它的值的大小
可以确定两变量之间关联程度的大小
那么φ相关的计算公式如下
它等于根号下卡方除以n
如果我们计算φ相关时
直接使用四格表的数据
直接使用四格表的数据
那么φ相关的计算公式还可以写成如下形式
其中字母的表示含义
见下表
φ相关系数的大小
表示的是两个因素之间的关联程度
但如果要确定其相关是否显著
则需要经过统计检验
最常用的方法就是计算出卡方值之后
首先检验其独立性是否存在
如果两个变量非独立有关联
那么则说明它计算出来的相关系数也是显著的
那么关于其相关的方向是正还是负
一般是用表中的a乘d
和b乘c的大小来说明的
不过在实际应用中
φ相关一般是不指出相关方向的
只说明其相关程度是否显著即可
那么除常用的φ相关之后
还提出了很多其它的表示方法
如尤尔的其它系数
比如关联系数
归结系数等
那么这些表示2乘2计数资料的
两个因素之间关联程度
因其尺度不同
数值也可能不同
但是都可以反映这两个因素之间的相关
那么关联系数和归结系数
还有如下的数量关系
我们来举个例子
例1
研究者想了解不同性别的学生
对于某项教育措施的评价态度
一共调查了358个人
那么结果如下表所示
那么这个数据是否可以说明
性别与评价态度有关
而且它的关联程度如何呢
而且它的关联程度如何呢
首先我们计算卡方值
得到的结果是25.095
由于df等于1
查表可知
卡方值是超过临界值的
可以说明性别与评价态度之间
有非常密切的关系
也就是他们之间不独立有关联
然后我们再计算我们今天介绍的
各种相关系数
因为卡方是显著的
所以这几个系数表示的
性别与评价态度的相关
也可以认为是显著的
不过我们也看到
对于同样资料
由于尺度不同
三个系数的大小也稍有不同
接下来我们要介绍列联相关
那么在教育和心理的研究中
并不是所有的数据都呈现四格表的形式
因此研究者们提出了列联相关
属于R乘C表的计数资料
就可以使用它来研究两个因素之间的关联程度
列联相关又称为均方相依系数
接触系数等等
它是有两因素的R乘C的列联表求得的
故称为列联相关
列联相关有很多计算方法
其中最常用的就是统计学家Pearson
定义的计算公式
定义的计算公式
那么使用上述公式计算的时候
如果两因素完全独立
计算出来的C就等于0
反之它不超过1
但是它也达不到1
为了弥补这个缺点
还提出了以下公式
那么这个公式在R不等于C的时候
计算出来T
也不能达到1
对于列联系数
它的显著性检验方法
一般仍是检验两个因素的独立性
就是做卡方检验
如果卡方值大于临界值
则两因素有关联
不独立
那么此时列联系数也应该是显著的
对于数据的双变量
在整理成次数分布后
我们就可以用列联相关系数
表示两变量的相关程度
当分类数目R和C都大于等于5
且样本量也比较大的时候
此时计算得到的列联相关系数
与我们之前介绍的
Pearson积差相关系数
两个值会非常接近
我们来举个例子
例2
有研究者想研究
眼优势和手优势之间
眼优势和手优势之间
是否存在相关
那么调查结果就呈现为这样的列联表
计算得到卡方值等于4.02
自由度等于4
查表可知
这个卡方值是小于临界值的
也就是说这两个变量没有关联
那么此时计算列联相关系数
两个系数分别得到的值是
0.098和0.06985
都比较小
那么因为卡方检验也不显著
所以我们认为列联相关的系数也是不显著的
最后我们要介绍的
是Cohen提出的kappa系数
研究者有时需要根据被试的行为
将被试分为几个类型
那么检验分类是否可靠的一种方法
就是让两个或者两个以上
受过专业训练的研究者
对被试进行分类
对被试进行分类
如果研究者之间
分类的一致性程度非常高
那么就可以认为这个实验结果是可靠的
那么Cohen就提出一种
检验研究者分类一致性的
统计方法
称为kappa系数
它与独立性卡方检验的程序十分相似
kappa系数的计算公式如下
除此之外
我们还可以计算kappa系数的标准差
其中fo表示的是
两个评价者评价一致的次数
fe表示是两个评价者评价一致的理论次数
那么大N表示的就是两个评价者
所有的评价次数之和
所有的评价次数之和
我们来举个例子
例3
两位研究者将60名儿童分为三类
分别是合作性玩耍的专制性玩耍和被动性玩耍
那么分类结果见下表
我们关注的都是两位研究者
分类者同的那些人
foA等于31
foB等于40
foC等于31
它们都位于对角线上
这是实际观测的次数
那么理论观测次数它计算可以得到
feA等于11.1
feB等于17.25
feC等于12.03
我们就可以代入公式
计算kappa值和其标准误
最后对于kappa值进行区间估计
我们来总结一下本节学到的内容
首先
φ相关是表示两个因素
分类资料相关程度的最常用的一种相关系数
φ相关的大小表示的是
两个因素之间的关联程度
可以通过计算卡方值
检验其独立性是否存在
如果两变量有关联不独立
就可以说明它计算出来的相关系数
也是显著的
列联相关是用来分析R乘C表中
两个因素之间
相关程度的方法
对于列联相关系数
检验的显著性方法
一般也是先检验两因素的独立性
那么最后我们介绍了
Cohen的kappa系数
Cohen的kappa系数
它是一种用来检验分类是否可靠的方法
本节内容到此结束
谢谢大家
-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