SPSS Корреляционные связи Коэффициенты корреляции

Коэффициенты корреляции

Посмотрите на табл.2. Испытуемые (всего их здесь 8) существенно отличаются друг от друга. Отличаются как по времени, которое потребовалось им для решения задач, так и по количеству правильных ответов. Есть информация о коммуникабельности испытуемых и о времени, которое они затратили на подготовку к решению задач. Необходимо проверить корреляционные связи между этими 4-мя переменными.

spss t2

Измените имена переменных и введите данные в файл Sav. Сохраните файл под именем Корреляция.sav. Откройте меню для вычисления двумерных коэффициентов корреляции Analyze > Correlate > Bivariate

Ограничения. Коэффициенты Пирсона (Pearson), Кендалла (Kendalls tau-b) и Спирмена (Spearmen) не случайно помещены в одно меню: все они используются для проверки корреляционных связей между двумя числовыми переменными. Однако, коэффициент корреляции Пирсона является параметрическим. Следовательно, требует соблюдения известных условий: большая выборка, метрические переменные, нормальное распределение. Т.е. для анализа данных табл.2 его использование будет считаться некорректным. Но, если наша цель состоит только лишь в получении навыков работы в SPSS, то невыполнение условий можно сейчас считать неважным.

Коэффициенты корреляции и статистическая значимость. Включите все 4 переменные (variables) в анализ. Вычислите коэффициенты корреляции Пирсона и Спирмена с двусторонней (two-tailed) проверкой статистической значимости (это сочетание используется чаще всего). Ок.

Вы видите, что в файле Spo теперь есть 2 таблицы Correlations. Просмотрим вначале первую из них, размещенную в папке Correlations. Можно сразу же обратить внимание на комментарии под таблицей: звездочкой * помечены те коэффициенты корреляции, которые значимы на уровне 0,05. Двумя звездочками ** - значимые на уровне 0,01. Звездочки просто позволяют быстрее находить в корреляционной матрице статистически значимые связи. Вы видите, что на уровне 0,01 значима связь между Временем подготовки и Количеством правильных ответов. И действительно, мы видим, что уровень значимости этой связи Sig=0,009. На уровне 0,05 значима связь между Временем подготовки и Временем решения (Sig=0,013). Таким образом, связь между Временем подготовки и Количеством правильных ответов имеет более высокую статистическую значимость. Да, именно так: уровень статистической значимости меньше, а статистическая значимость при этом выше (многие вначале путаются с этой терминологией). Слабо готовые студенты часто решают задачу быстро, но с ошибками. Связь между Временем подготовки и Временем решения является менее сильной. Коэффициент корреляции (Pearson correlation) этой связи (-0,82) по модулю меньше, чем коэффициент корреляции между Временем подготовки и Количеством правильных ответов (0,84). Однако Вы видите, что одна связь является отрицательной, а другая – положительной. Конечно же, чем больше времени мы тратим на подготовку к решению задачи, тем быстрее мы потом решаем эту задачу и меньше совершаем ошибок.

В то же время Вы видите, что Коммуникабельность здесь не связана ни с Временем решения, ни с Количеством правильных ответов. Уровни значимости этих связей превышают критические значения. Соответственно и коэффициенты корреляции этих связей гораздо меньше (0,119 и -0,178). Видимо, это такая задача, решение которой зависит не столько от общительности, сколько от умений и знаний.

Посмотрите теперь коэффициенты корреляции Спирмена в папке Nonparametric correlations. Вы видите, что по Спирмену мы получили примерно те же результаты, однако связи являются чуть более слабыми, а статистическая значимость чуть менее высокой. Например, связь между Временем решения и Количеством правильных ответов оказалась значимой только лишь на уровне 0,05. Непараметрические методы обычно менее чувствительны по сравнению с параметрическими. Но остаются корректными независимо от шкалы измерения, нормальности распределения и размера выборки.

Диаграммы рассеяния. Наглядно представить связи между числовыми переменными позволяют диаграммы рассеяния. Откройте меню Graphs > Scatter/Dot… > Simple scatter > Define. Сделайте Время подготовки переменной горизонтальной оси (X axis), а Количество правильных ответов – переменной вертикальной оси (Y axis). Ок. Посмотрите: диаграмма не дает нам точной информации. Но мы сразу видим, что связь является сильной и положительной. Постройте также диаграммы рассеяния и для связей «ВремяПодготовки * ВремяРешения» и «Коммуникабельность*КоличествоПравильных». Мы сразу же видим, что первая из них является достаточно сильной и отрицательной, а вторая – достаточно слабой.

SPSS Корреляционные связи Коэффициенты корреляции

По всем вопросам, связанным с использованием материалов Expect.ru, обращайтесь к Никулину Денису Николаевичу
email