天才一秒记住【爱看书】地址：https://www.aksss.org
二、相关系数值的解释
banner"
>
相关系数是一个指标值，它表示两个变量之间的关系程度。
相关系数不是等距的测量值，因此在比较相关程度时，不能用倍数关系说明，只能说绝对值大者比绝对值小者相关更密切一些，如只能说相关系数r=0.50的两列数值比相关系数r=0.25的两列数值之间的关系更密切，而绝不能说前二者的密切程度是后二者密切程度的两倍，也不能说相关系数从0.25增加到0.50就等于从0.65增加到0.90。
相关关系不能用倍数关系来解释。
相关系数值的大小表明了两列测量数据相互间的相关程度。
-0.60的相关系数值与0.60的相关系数值所表示的关系程度是一样的，它们仅仅是方向上不同。
一个强相关意味着两个变量之间有密切关系。
当一个变量的值发生变化时，会发现另一个变量的值也会产生相应的变化。
这样，如果在能力测验与学业成就测量之间出现一个强相关，那么选拔出那些具有较高能力的被试，他们的学业成就测验也将倾向于出现高分。
当存在这种强相关时，就能用这个相关关系根据一个变量的测量分数预测另一个变量的测量分数。
当然，当两个变量之间的关系受到其他变量的影响时，两者之间的高强度相关很可能是一种假象。
这里有一个例子。
在美国人中，鞋子的大小与人的言语能力存在一个中等程度的正相关：即穿鞋子越大的人言语能力水平越高。
显然，这两个变量之间不存在因果关系。
当提出这一结论时，美国人口中包括大量的儿童。
年幼的儿童脚比较小，语词能力也较弱。
随着儿童的成长，他们获得了大量的言语技能，他们的脚也变大了。
“年龄”
因素是言语能力增加和脚变大的一个基本原因，正是它导致了鞋码的大小与言语能力之间出现虚假的相关（spuriousrelationship），或称为伪相关。
因此，有时候两列变量之间算出的相关系数没有任何实际价值。
如果研究表明某一变量确实对欲探讨的两个变量之间存在影响，则可以用协变量分析方法设法排除或控制那些变量的影响效应，找出要研究的变量之间真正的相关关系。
如果两变量是线性关系，则可以用偏相关和部分相关进行控制，表示两个变量间纯净的相关度。
【资料卡5-2】
偏相关与半偏相关偏相关
（partialcorrelation），也称纯相关或净相关，指在计算两个连续变量X1与X2的相关时，将第三个变量X3或其他多个变量的影响，即r13和r23予以排除之后X1与X2这两个变量之间的纯净相关，用符号r12.3表示，点号左边的两个下标代表要求计算的偏相关的两个变量，点号右边的下标表示要消除其影响的变量。
例如，有一个实验人员研究了个人收入与大学阶段的成功之间的相关，经过检验相关系数也很显著。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！