研究者常常利用相關分析以探討兩個變項之間的關聯性，
而變項的測量尺度會決定我們必須使用何種的相關分析，
在此選了三種較常用的相關分析做介紹，分別為皮爾森積
差相關（Pearson product-moment correlation）、史皮爾曼等
級相關（Spearman rank order correlation）與點二系列相關
（Point-biserial correlation），茲說明如下：
一、皮爾森積差相關
當兩個變項皆為連續變項（等距或比例尺度）時，適合利
用皮爾森積差相關找出兩變項的關聯程度。假設我們想要
瞭解某班學生國文與英語的關聯程度，想知道是否學生的
國文成績越高，英語成績也會越高。
Ex：
|
ID |
國文 |
英語 |
|
1 |
11 |
8 |
|
2 |
10 |
6 |
|
3 |
6 |
2 |
|
4 |
5 |
1 |
|
5 |
12 |
5 |
|
6 |
4 |
1 |
|
7 |
4 |
4 |
|
8 |
8 |
6 |
|
9 |
8 |
5 |
|
10 |
2 |
2 |
（1）語法
1.相關分析語法
PROC CORR為相關分析的語法
PEARSON為使用皮爾森積差相關
2.指定變項
利用WITH連接兩個要求相關的變項
（2）報表
1敘述性統計值
資料的簡單描述統計與分佈情形
2相關檢定
含相關值（r = 0.79）與顯著性（p = .007）
二、史皮爾曼相關
適用於當兩個變項為順序變項對順序變項，或連續變項對
連續變項時。常用在計算兩個評分者或一個評分者前後兩
次的一致性程度。假設某位老師前後兩次對10位同學的作
品加以評分。
Ex：
|
ID |
第一位評分者 |
第二位評分者 |
|
1 |
86 |
83 |
|
2 |
58 |
52 |
|
3 |
79 |
89 |
|
4 |
64 |
78 |
|
5 |
91 |
85 |
|
6 |
48 |
68 |
|
7 |
55 |
47 |
|
8 |
82 |
76 |
|
9 |
32 |
25 |
|
10 |
75 |
56 |
（1）語法
1.相關分析語法
SPEARMAN為使用史皮爾曼相關分析
利用WITH連接兩個要求相關的變項
（2）報表
1相關檢定
含相關值（r = 0.79）與顯著性（p = .006）
全站熱搜
留言列表
{{ article.title }}