基本概念
偏相关分析的任务就是在研究两个变量之间的线性相关关系时控制可能对其产生影响的变量,这种相关系数称为偏相关系数。偏相关系数的数值和简单相关系数的数值常常是不同的,在计算简单相关系数时,所有其他自变量不予考虑。
统计原理
控制一个变量和控制两个变量的偏相关系数分别为:
检验的统计量为:
统计分析步骤
- 根据公式计算偏相关系数;
- 对样本来自的两总体是否存在显著性相关进行推断。
- 提出零假设H0:即两总体的偏相关系数与零无显著性差异;
- 选择检验统计量:偏相关分析选择的是t统计量;
- 计算t值及对应的概率p值;
- 决策:如果相伴概率p值小于给定的显著性水平,则应拒绝零假设,认为两总体的偏相关系数与零有显著性差异;否则,接受原假设。
偏相关分析案例
第1步 分析:这4个气候因素彼此均有影响,分析时应对生长量与4个气候因素分别求偏相关,如在求生长量与气候因素的相关时控制其他因素的影响。所以需进行偏相关分析;
第2步 数据组织:如上表定义4个变量,输入数据即可;
第3步 进行偏相关分析:选择菜单“分析→相关→双变量”,指定分析变量和控制变量,分析变量“hgrow”和“temp”的偏相关系数,并将“rain”、“hsun”、“humi”设为控制变量。如下图所示设置。
从中可以看出,月降雨量、月平均日照时数和月平均湿度为控制变量,生长量与月平均气温关系密切,偏相关系数为0.977,双尾检测的相伴概率为0.000(表示趋近于0的正数),明显小于显著性水平0.05。故应拒绝原假设,说明中山柏的生长量与气温间存在显著的相关性。