17-1
17-2 McGraw-Hill/Irwin © 2003 The McGraw-Hill Companies, Inc.,All Rights Reserved. 肆 資料分析與表達
17-3 第十七章 關聯性分析
17-4 簡單相關分析與無母數關聯性分析 兩變數都必須是以區間或比率尺度測量 的連續變數 相關分析不能判別何者為自變數，何者 為依變數
17-5 簡單相關分析 Pearson 相關係數 –r 代表由樣本資料計算而得的線性相關係數 – 相關的強弱指變數變動的程度 – 係數的符號代表相關的方向 (+ 或 -) 相關係數 r 的假設 線性 二元常態分配
17-6 簡單相關分析 散布圖 – 提供目測辨識資料的方法 線性關係的方向 線性關係的形狀 線性關係的強度
17-7 相關係數的解釋 沒有隱含因果關係 即使相關係數達到統計顯著性，也必須 符合實際意義才行
17-8 相關係數的解釋 相關分析的結果可能有幾種不同解釋： –X 導致 Y –Y 導致 X –X 與 Y 用時被其他變數影響 –X 與 Y 彼此互相影響
17-9 相關係數的解釋 人為相關 適合度 –F 檢定 – 判定係數 – 相關矩陣 用於顯示兩個以上變數的相關係數
17-10 簡單線性迴歸 用於簡單預測與多變數預測 迴歸係數 – 斜率 – 截距 誤差 最小平方法
17-11 線性迴歸的解釋 殘差 – 殘差值 e i = (Y i -Y i ) 預測與信賴區間
17-12 線性迴歸的解釋 適合度 – 零斜率 Y 與 X 完全無關 對於每一個 X 值， Y 都固定不變 X 與 Y 的相關型態呈非線性關係
17-13 無母數關聯性分析 名目資料之測量 – 沒有任何關係時，係數為 0 – 完全相依時，係數為單一性或為 1
17-14 無母數關聯性分析 卡方測量 –Phi –Cramer’s V – 列聯係數 C 錯誤減少比例 (PRE) –Lambda –Tau
17-15 順序尺度資料之特性 一致 ─ 一變數的排名較高，也在其他變 數排行較高。 不一致 ─ 一變數的排名較高配上另一變 數的排名較低。
17-16 順序尺度資料之測量 沒有要求二元常態分配的假設 大部分都根據一致和不一致配對概念 範圍從 +1.0 到 -1.0
17-17 順序尺度資料之測量 統計方法 – Gamma – Somer’s d – Spearman’s rho – Kendall’s tau b – Kendall’s tau c