35社会统计学与SPSS应用第十一章 相关分析
统计分析与SPSS在社会调查中的应用研究
统计分析与SPSS在社会调查中的应用研究概述社会调查是实践社会科学研究的重要方法之一，而统计分析是社会调查中的重要工具之一。
本文旨在探讨统计分析在社会调查中的应用，并重点介绍了SPSS（统计软件包社会科学）在社会调查中的作用和应用研究。
统计分析的作用统计分析是通过收集和处理数据，以揭示数据背后的规律和趋势，从而得出科学结论的过程。
它可以帮助研究人员对大规模数据进行有效的整理和分析，并提供可靠的结果和解释。
在社会调查中，统计分析能够帮助我们理解人群的特征、态度和行为，并从中发现规律和关联。
SPSS在社会调查中的作用SPSS是一种常用的统计软件，广泛应用于社会科学领域的数据处理和分析。
它提供了丰富的统计方法和可视化功能，使研究人员能够进行多种分析，如描述性统计、相关分析、回归分析和因子分析等。
SPSS的简单操作界面和强大的功能使得社会调查数据的分析变得更加高效和可靠。
SPSS在社会调查中的应用研究SPSS在社会调查中的应用研究包括但不限于以下几个方面：1. 调查数据处理和整理：SPSS可以帮助研究人员对调查数据进行清洗、整理和编码，使数据的格式一致且易于分析。
2. 描述性统计分析：SPSS提供了各种描述性统计方法，如频数分析、平均值和标准差计算等，以帮助研究人员对数据的基本特征进行概括和描绘。
3. 相关分析：SPSS可以进行变量之间相关性的分析，帮助研究人员了解变量之间的关系，并通过相关系数指标判断其相关程度。
4. 回归分析：SPSS可以进行回归分析，研究人员可以通过建立回归方程来预测和解释因变量与自变量之间的关系。
5. 因子分析：SPSS可以进行因子分析，帮助研究人员探索和解释潜在因子对变量之间的关系。
结论统计分析在社会调查中发挥着重要作用，而SPSS作为一种常用的统计软件，在社会调查中具有广泛的应用。
研究人员可以利用SPSS对调查数据进行处理和分析，得出科学结论，并为社会科学研究提供有力支持。
张小山《社会统计学与SPSS应用》课后答案
第二章 随机现象与基础概率练习题：1.从一副洗好的扑克牌（共52张，无大小王）中任意抽取3张，求以下事件的概率：（1） 三张K ； （2） 三张黑桃；（3） 一张黑桃、一张梅花和一张方块； （4） 至少有两张花色相同； （5） 至少一个K 。
解：（1）三张K 。
设：1A ＝“第一张为K ” 2A ＝“第二张为K ” 3A ＝“第三张为K ”则()()()()123121312//P A A A P A P A A P A A A =＝432525150⨯⨯＝15525若题目改为有回置地抽取三张，则答案为()123P A A A =444525252⨯⨯12197=（2）三张黑桃。
设：1A ＝“第一张为黑桃” 2A ＝“第二张为黑桃” 3A ＝“第三张为黑桃”则()()()()123121312//P A A A P A P A A P A A A =＝131211525150⨯⨯＝11850（3）一张黑桃、一张梅花和一张方块。
设：1A ＝“第一张为黑桃”2A ＝“第二张为梅花” 3A ＝“第三张为方块”则 ()()()()123121312//P A A A P A P A A P A A A =＝131313525150⨯⨯＝0.017 注意，上述结果只是一种排列顺序的结果，若考虑到符合题意的其他排列顺序，则最终的结果为：0.017×6＝0.102（4）至少有两张花色相同。
设：1A ＝“第一张为任意花色”2A ＝“第二张的花色与第一张不同”3A ＝“第三张的花色与第一、二张不同”则()1P A ＝5252＝1 ()21/P A A ＝5213521--＝3951 312(/)P A A A ＝5226522--=2650()123P A A A ＝1-123()P A A A ＝3926115150⎛⎫-⨯⨯ ⎪⎝⎭＝0.602（5）至少一个K 。
设：1A ＝第一张不为K2A ＝第二张不为K 3A ＝第三张不为K则()1P A ＝52452- ()21/P A A ＝51452- 312(/)P A A A ＝50452- ()123P A A A ＝1-123()P A A A ＝4847461525150⎛⎫-⨯⨯ ⎪⎝⎭＝0.2172.某地区3/10的婚姻以离婚而告终。
社会统计分析方法-spss软件应用
社会统计分析方法-spss软件应用
SPSS是社会科学统计分析的主流软件之一，其应用范围覆盖了社会学、心理学、教育学、医学、市场营销等多个领域。
在社会统计分析中，SPSS可用于数据整理、数据变换、数据描述统计、因素分析、多元回归分析、结构方程模型等多种分析方法的应用。
通过SPSS软件的协助，可实现从数据采集到数据分析整个过程的自动化处理，迅速得到数据的各项描述统计量、变量间的相关性分析、重要因素的筛选和预测模型的建立等结果。
对于社会调查和问卷调查等数据分析，SPSS软件具有数据清洗、缺失值处理、变量转换、数据标准化等优秀功能，在处理数据时，具有高度的数据安全性和数据保密性。
因此，SPSS软件是社会统计分析方法中的重要工具，能够有效地分析和解释数据，深入剖析社会现象，为社会问题的研究和解决提供重要的依据。
spss相关分析的原理及应用
SPSS相关分析的原理及应用1. 简介SPSS（Statistical Package for the Social Sciences）是一种常用的数据统计和分析软件，广泛应用于社会科学、教育、医学等领域。
其相关分析功能是SPSS的重要组成部分，可用于研究数据中变量之间的关系以及预测未来的趋势。
本文将介绍SPSS相关分析的原理和应用。
2. 原理2.1 相关分析的基本概念相关分析用于研究两个或多个变量之间的关系。
其中最常用的是皮尔逊相关系数（Pearson correlation coefficient），用于衡量连续变量之间的线性相关性。
皮尔逊相关系数的取值范围为-1到1，接近1表示正相关，接近-1表示负相关，接近0表示无相关。
2.2 相关分析的假设在进行相关分析之前，需要满足一定的假设条件。
这些假设包括： - 变量是正态分布的； - 变量之间的关系是线性的； - 变量具有线性相关性。
2.3 相关系数的计算方法在SPSS中，可以使用相关分析功能来计算皮尔逊相关系数。
该功能可以同时计算多个变量之间的相关系数，并自动生成相关矩阵。
相关矩阵展示了所有变量两两之间的相关性，便于进一步分析和解释。
3. 应用3.1 研究变量之间的关系相关分析在社会科学研究中经常用于分析变量之间的关系。
例如，研究人员可以使用相关分析来研究收入与教育水平之间的关系，分析变量之间的相关性可以帮助研究者发现潜在的模式和趋势。
3.2 预测未来的趋势相关分析可用于预测未来的趋势。
例如，一个公司可以使用历史销售数据和市场营销费用作为变量，通过相关分析来预测未来销售额与市场营销费用之间的关系。
这可以帮助公司制定更有效的市场策略和预算安排。
3.3 评估变量之间的相关性相关分析可以帮助研究者评估变量之间的相关性。
例如，在医学研究中，研究人员可以使用相关分析来评估不同药物剂量与患者疾病症状之间的相关性。
这可以帮助研究人员确定最佳药物剂量，并了解不同剂量的效果差异。
社会统计分析方法 spss软件应用
社会统计分析方法spss软件应用SPSS（Statistical Package for the Social Sciences）是一种常用的统计软件，广泛应用于社会科学研究中的数据分析与统计。
下面是一些社会统计分析方法在SPSS软件中的应用：1. 描述性统计分析：SPSS可以计算变量的均值、标准差、频数、百分比等基本统计量，帮助研究者对数据进行初步的描述和总结。
2. 相关分析：SPSS可以进行相关系数分析，用于研究变量之间的相关关系。
通过在SPSS中选择相关分析功能，可以计算出各变量之间的皮尔逊相关系数或斯皮尔曼等级相关系数，并提供相关系数的显著性检验结果。
3. 方差分析：SPSS可以进行单因素或多因素方差分析，用于研究不同组之间的差异。
通过在SPSS中选择方差分析功能，可以计算出各组之间的F值和显著性水平，并提供方差分析表和事后比较结果。
4. 回归分析：SPSS可以进行线性回归、逻辑回归、多元回归等分析，用于研究因变量与自变量之间的关系。
通过在SPSS中选择回归分析功能，可以得到回归系数、显著性水平、拟合优度等统计结果。
5. 因子分析：SPSS可以进行主成分分析或公因子分析，用于研究变量之间的潜在维度结构。
通过在SPSS中选择因子分析功能，可以计算出因子载荷矩阵、解释方差比例等结果，帮助研究者确定潜在因子。
6. 聚类分析：SPSS可以进行聚类分析，用于研究数据样本的分类结构。
通过在SPSS中选择聚类分析功能，可以计算出样本之间的相似性和距离，并将样本进行聚类分组，提供聚类结果和图示。
这些是社会统计分析方法在SPSS软件中的常见应用。
SPSS具有友好的用户界面和强大的数据分析功能，使得研究者可以方便地进行各种统计分析，并得到相应的结果和图表。
ppt课件-社会统计分析方法-spss软件应用(第11章因子分析)
回归法，其因子得分的均值为 0，方差等于估计因子得分与 实际因子得分之间的多元相关 的平方。
八、运行
结果一：描述统计量
输出每个变量的均值、标准差和观测量数。
结果二：相关矩阵
结果三：KMO和Bartlett检验
Bartlett值为146.302，P<0.001，即相关矩阵不是一个单位矩阵，故考虑进行因子 分析。Kaiser-Meyer-Olkin是用于比较观测相关系数值与偏相关系数值的一个指 标，其值越接近1，表明对这些变量进行因子分析的效果越好。本例中，KMO 值为0.412，偏小，意味因子分析的结果可能比较难以接受。
提取进程和提取结果的选择项
显示未经旋转 的因子提取结 果，默认值。
提取因子的特征值，默认值。
因子分析收敛的最大迭 代次数，默认值。
六、选择因子旋转
方差最大旋转，是一种正交旋转方法，它 使每个因子上的具有最高载荷的变量数最 小，因此可以简化对因子的解释。
七、选择显示或作为新变量保存
将因子得分作为新变 量保存在数据文件中， 程序运行结束后，在 数据文件管理窗口中 显示出新变量，对每 一次分析产生一组新 变量。
一、建立数据
二、菜单
三、选择变量
四、描述统计与初始分析结果
统计量栏 输出参与分析的 各原始变量的均 值、标准差等。
相关矩阵栏
给出原始分析 变量间的相关 系数矩阵
给出对采样充足度Kaisex-Meyer-Olkin测试，检验变量间的偏相关是否很小，Bartlett球形检验， 检验相关阵是否为单位阵，它表明因子模型是不是不合适的。
五、提取因子方法和控制提取
主成分法：该方 法假设变量是因 子的纯线性组合， 第一成分有最大 的方差，后续的 成分，其可解释 的方差逐个递减， 往往使用主成分 法获取初始的因 子分析结果，默 认值。 提取因子的方 法选择 输出项选择 指定分析矩阵 的选择项 指定以分析变 量的相关矩阵 为提取因子的 依据，如果参 与分析的变量 的测度单位不 同则应该选择 此项，默认值。
SPSS相关性分析专题知识
散点图
经过观察散点图能够直观旳发觉变量之间旳统 计关系 以及它们旳强弱程度和数据正确可能 走向。散点图以横轴表达两个变量中旳一种变 量，以纵轴表达另一种变量，将两个变量之间 相相应旳变量值以坐标点旳形式逐一标在直角 坐标系中，经过点旳分布形状、分布模式和疏 密程度来形象描述两个变量之间旳有关关系。
设D是两个变量每对数据旳等级差，n是样本 量。 则Spearman有关系数为：
n
6
D
2 i
r 1
i1
n (n 2 1)
n
n
2
Di2 (Ui Vi )
i1
i0
Kendall旳tau-b(K)
Kendall旳 系数是另一种计算定序变量之间或 者定序和尺度变量之间有关系数旳措施。 Spearman旳等级有关系数能够以便检验两个 定序变量是否有关，但 是极难详细解释两个变 量怎样有关及有关程度。Kendall旳等级有关 系数能够同步反应两个变量旳有关程度。
DW t2 n
et2
2(1 )
t2
DW=2表达无自有关，在0-2之间阐明存在正自有关，在2-4之间阐明存在负 旳自有关。一般情况下，DW值在之间即可阐明无自有关现象。
曲线估计
变量之间旳关系分为本质线性关系和本质非线 性关系。本质线性关系是经过变量变换能够转 化为线性有关旳。
SPSS曲线估计还能够以时间为解析变量。
有关分析旳作用
判断变量之间有无联络 拟定有关关系旳体现形式及有关分析措施 把握有关关系旳方向与亲密程度 为进一步采用其他统计措施进行分析提供根据 用来进行预测
有关分析和回归分析区别
有关分析：假如仅仅研究变量之间旳相互关系 旳亲密程度和变化趋势，并用合适旳统计指标 描述。
SPSS学习笔记之——相关分析
SPSS学习笔记：探索相关分析方法（包括Pearson、Spearman 和卡方检验），了解如何运用这些统计工具揭示变量间的关联与独立性。
一、相关分析方法的选择及指标体系连续变量的两个相关分析1、Pearson相关系数最常用的相关系数，又称积差相关系数，取值-1到1，绝对值越大，说明相关性越强。
该系数的计算和检验为参数方法，适用条件如下：（1）两变量呈直线相关关系，如果是曲线相关可能不准确。
极端值会对结果造成较大影响。
（3）两变量符合双变量联合正态分布。
2、Spearman秩相关系数优化语序后的文本：对原始变量的分布不做要求、适用范围广泛，该方法不仅适用于等级资料，且对Pearson相关系数的应用场景有所扩展。
然而，作为非参数方法，它在检验效能上相较于基于参数的方法可能略显不足。
二：有序分类变量相关分析有序分类变量的相关性，即一致性，指的是：行变量等级高时，列变量等级亦高；反之，若行变量等级较高但列变量等级较低，则表现为不一致。
常用的统计量包括Gamma、Kendall的tau-b与tau-c。
（三）无序分类变量的相关分析最常用的为卡方检验，用于评价两个无序分类变量的相关性。
根据卡方值衍生出来的指标还有列联系数、Phi、Cramer的V、Lambda系数、不确定系数等。
OR、RR也是衡量两变量之间的相关程度的指标。
二、SPSS相关操作SPSS的相关分析散布在交叉表和相关分析两个模块中。
（1）交叉表过程如下图：以上的指标很全面，解释如下：（1）“卡方”复选框：为常用的卡方检验，适用于两个无序分类变量的检验。
相关性复选框适用于两个连续性变量的相关分析，提供两变量的Pearson及Spearman相关系数。
有序复选框组仅适用于两变量皆为有序分类变量，包含评估一致性指标。
（4）“名义”复选框组：包含一组分类变量相关性的指标，有序和无序分类时都可使用，但变量为有序时，检验效能没有“有序”复选框组中的统计量高。
统计分析与spss的应用(第五版)课件 SPSS第十一章
Aa.2.1.
a22 ...
......a.2.k.u12...1
ap1 ap2 ...a..
u2p 2
1 k
2 k
... ...
p k
确定因子变量个数
• 确定k个因子变量
根据特征值λi确定：取特征值大于1的特征根 根据累计贡献率：一般累计贡献率应在70%
因子变量的特点 这些综合指标称为因子变量，是原变量的重造 个数远远少于原变量个数，但可反映原变量的绝 大部分方差 不相关性 可命名解释性
因子分析的基本步骤
• 确认待分析的原始变量是否适合作因子分析 • 构造因子变量 • 利用旋转方法使因子变量具有可解释性 • 计算每个样本的因子变量得分
因子分析的数学模型
k
hi2
a
2 ij
j 1
Xi的共同度反应了全部因子变量对Xi总方差的解释能力
因子分析的相关概念
• 因子变量Fj的方差贡献 因子变量Fj的方差贡献为因子载荷矩阵A中 第j列各元素的平方和
p
S j
ai2j
i 1
可见：因子变量Fj的方差贡献 体现了同一因子Fj对原始所有 变量总方差的解释能力 Sj/p表示了第j个因子解释原所 有变量总方差的比例
6
Component Number
因子变量的命名解释
• 发现： aij的绝对值可能在某一行的许多列上都有较大的取值， 或aij的绝对值可能在某一列的许多行上都有较大的取值。
• 表明： 某个原有变量xi可能同时与几个因子都有比较大的相关关 系，也就是说，某个原有变量xi的信息需要由若干个因子 变量来共同解释；同时，虽然一个因子变量可能能够解 释许多变量的信息，但它却只能解释某个变量的一少部 分信息，不是任何一个变量的典型代表。
统计软件SPSS相关分析及应用
统计软件SPSS相关分析及应用统计软件SPSS相关分析及应用统计软件SPSS（Statistical Package for the Social Sciences，社会科学统计软件）是一个被广泛应用于社会科学、经济学、市场营销、医学等领域的数据分析工具。
它提供了丰富的统计和数据可视化方法，方便用户对大规模数据进行分析和解释。
本文将介绍SPSS的相关分析功能和在实际应用中的使用情况。
SPSS中的相关分析是一种统计方法，用于研究不同变量之间的关系。
它通过计算相关系数来衡量变量之间的相互关系的强度和方向。
SPSS提供了几种不同类型的相关分析方法，包括皮尔逊相关分析、斯皮尔曼相关分析和判定系数等。
皮尔逊相关分析是最常用的相关分析方法之一，用于研究两个连续型变量之间的线性关系。
它通过计算两个变量之间的相关系数，来判断它们是否呈现正相关、负相关或无关。
斯皮尔曼相关分析适用于非线性关系或者有序分类变量之间的关系研究。
判定系数则可以帮助判断一个因变量的变异程度可以用多个自变量的线性组合来解释的比例。
在实际应用中，SPSS的相关分析功能非常广泛。
以市场调研为例，可以通过SPSS的相关分析方法来研究产品销量与市场推广费用之间的关系。
通过计算相关系数，可以得出推广费用与销量之间的关联性，从而为市场营销策略的制定提供依据。
在医学领域，SPSS的相关分析也具有广泛的应用。
例如，在药物研发中，可以使用SPSS分析患者的临床数据和药物剂量之间的关系，以评估药物的疗效和副作用。
通过相关分析，可以发现剂量增加与疗效的关联性，并根据分析结果进行进一步的药物治疗方案调整。
除了在科研领域，SPSS的相关分析还广泛应用于企业管理决策。
例如，在人力资源管理中，可以使用SPSS的相关分析功能来研究员工离职率与工资待遇之间的关系。
通过相关分析，可以发现员工离职率与薪酬之间的关联性，从而为企业制定合理的薪酬政策提供决策支持。
总之，统计软件SPSS的相关分析功能为社会科学、经济学、市场营销、医学等领域的数据分析提供了强大的工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
PRE 的数值愈大，表示以 X 值预测 Y 值时，减少的误差所占的比例愈大，说明 X 与 Y 的关 系越强。
第二节 相关测量法
• 相关测量法有很多种，在进行选择时，主要依据以下法则： • （1）两个变量的测量层次； • （2）两个变量的影响方向（是否对称）； • （3）尽可能选择有消减误差比例意义的相关测量法。 • 社会学不但要描述社会现象，最重要的是要解释和预测社会现象。研究
第一节 相关的基本性质
• 三、相关关系的类型
• 相关关系是一种数量关系不很严格的相互依存关系。如果这 个关系近似地表现为一条直线，就称为直线相关，又称线性相关 ；如果这个关系近似地表现为一条曲线，则称曲线相关，又称非 线性相关。例如在利率一定的情况下，存款的多少与利息是直线 相关的；而农作物产量与施肥量的关系则往往是曲线相关。虽然 在自然界和社会生活中，曲线相关现象远比直线相关更多，但由 于数学手段上的局限，社会统计研究中多以阐述线性（直线）相 关为主。
• 有两点需要说明：一是，对社会现象和社会行为的调查中，一般来说各 种相关系数的值不可能达到1（或－1）。也就是说，在社会研究中不可能存 在两个完全相关的事物或现象；二是相关系数只是用来表示变量间相关程度 的指标，而不是相关数值的等单位度量，不能说相关系数0.6是相关系数0.3 的2倍，只能说相关系数是0.6的两个变量的关系比相关系数是0.3的两个变量 的关系更强。
后之别，即先有原因（自变量）的变化，后有结果（因变量）的变化。如果两个变量的变化
同时发生，分不出先后，则不能称为因果关系；第三，变量 X 与变量 Y 的变化不是受第三
个变量的影响，也就是说两个变量的关系不是某种虚假的或表面的关系，而是实际存在的关
系。
经济地位
女性受教育水平
女性离婚
受教育程度和女性离婚之间的虚假相关
第一节 相关的基本性质
• 三、相关关系的类型
（a）强正相关
（b）强负相关
（c）曲线相关
（d）零相关 两变量相关的散点图
第一节 相关的基本性质
• 四、相关的对称性
因果关系指的是当其中一个变量变化时，会引起或导致另一个变量的变化；但反过来，
当后一个变量变化时，却不会引起前一个变量的变化。对于因果关系来说，在数量上存在依
第一节 相关的基本性质
• 五、削减误差比例的意义
• 削减误差比例是指当我们在认识某一社会现象Y时，如果只用Y的值预测 或理解其变化情况，难免会有误差（或错误），假设另一种社会现象X与Y有 关系，如果我们根据X的值预测Y的情况，应该可以减少若干误差。而且，X 与Y的关系愈强，所能减少的误差就会愈多。换言之，减少误差的多少，可 以反映X与Y之间关系的强弱程度。
第一节 相关的基本性质
• 五、削减误差比例的意义
• 假设不知道X的值，我们用Y的统计值去预测每个Y时产生的误差是E1，如
果X和Y有关系，用X去预测Y时，产生的误差是E2，会比E1小。
Y
Y
E1
E2
X
那么，用 X 去预测 Y 时减少的误差则为：E1—E2（图中的斜线部分）。减少的误差（E1 －E2）与原来的全部误差（E1）相比，就是削减的误差比例（以 PRE 表示）。
第一节 相关的基本性质
• 四、相关的对称性
相关关系和因果关系有一定的联系。如果变量 X 与变量 Y 之间存在因果关系，那么它
们之间必然存在相关关系。但是，如果两个变量之间存在相关关系，它们之间未必一定存在
因果关系，要得出因果关系，必须同时满足三个条件：第一，变量 X 与变量 Y 存在着不对
称的相关关系，这是因果关系成立的必要条件；第二，变量 X 与变量 Y 在发生顺序上有先
第二节 相关测量法
• 二、相关关系的方向
•
所谓正相关，是指一个变量的值增加时，另一个变量的值也增加；反
之，一个变量的值减少时，另一个变量的值也减少。也就是说两个变量的取
值变化是同方向的。如研究发现文化程度越高的人，收入也越高；文化程度
较低者，收入也普遍较低。这时，我们就可以说文化程度和收入之间存在着
社会统计学与SPSS应用
第十一章 相关分析
第十一章 相关分析
• 第一节 • 第二节 • 第三节 • 第四节
相关的基本性质 相关测量法 相关系数的假设检验 相关测量和检验的SPSS应用
第一节 相关的基本性质
• 一、 相关关系的程度
• 相关程度，指的是相关关系的强弱或大小。表示相关的强弱或大小的统 计结果称为相关系数。相关系数的取值范围一般在－1与＋1之间，数值越大 ，表示相关的程度愈强。正、负号表示的是相关关系的方向。大多数的统计 中，都用0表示无相关，用1表示全相关。
中之所以要探讨两个变量之间的关系，是为了减少解释或预测时的错误。
第二节 相关测量法
• 社会学研究中最经常关注的是定类、定序和定距三类变量，这三类变量 在分析两个变量的关系时，会产生以下六种情况：
• （1）定类变量－定类变量； • （2）定序变量—定序变量； • （3）定距变量—定距变量； • （4）定类变量—定序变量； • （5）定类变量—定距变量； • （6）定序变量—定距变量。
正相关关系。
•
所谓负相关，是指一个变量的值增加时，另一个变量的值却减少。或
者说，两个变量取值变化的方向是相反的。例如，研究发现文化程度越高的
青年，愿意生育子女的数量越少，而文化程度越低者，愿意生育子女的数量
越多。这时我们可以说文化程度和子女生育意愿之间存在着负相关关系。
•
一般在相关系数值前面加正、负号（＋，－）表示相关的方向。
存关系的两个变量有自变量和因变量之分。许多社会学研究在成立假设时，会假设某个变量
是因，另一个变量是果。假设为因的变量，称为自变量（independent variables），也就是引起
其他变量变化的变量，通常用 X 表示。假设为果的变量，称为因变量（dependent variables），
是因为自变量的变化而发生变化的变量，通常用 Y 来表示。自变量（X）与因变量（Y）的Leabharlann 关系可以表示为：X
Y
事实上，并非所有具有相关关系的变量都一定存在因果关系，也可能仅仅是共同变化。有些 研究中如果我们不能区分或不能确定是 X 影响 Y，还是 Y 影响 X，这种情况就称为对称关 系（symmetrical relationship）。在这种关系中，自变量和因变量根据研究的目的进行选择。