Файл: IBM_SPSS_Statistics_Base.pdf

77

Общая линейная модель: одномерный анализ



Создать матричный файл данных

,

содержащий статистики из межгрупповой таблицы

дисперсионного анализа

(

используя подкоманду

OUTFILE

).



Сохранить матрицу плана в новом файле данных

(

используя подкоманду

OUTFILE

).

Полную информацию о синтаксисе языка команд можно найти в

Руководстве по

синтаксису

.

Глава

12

Парные корреляции

Процедура Парные корреляции вычисляет коэффициент корреляции Пирсона

,

ро Спирмана

и тау

-

b

Кендалла

,

а также уровни значимости для них

.

Корреляции измеряют связь между

переменными или рангами

.

Перед вычислением коэффициента корреляции проверьте

данные на наличие выбросов

(

которые могут привести к вводящим в заблуждение

результатам

)

и признаков наличия линейной связи

.

Коэффициент корреляции Пирсона

является мерой линейной связи

.

Две переменные могут быть на

100%

связаны

,

однако

если эта связь нелинейная

,

коэффициент корреляции Пирсона не является подходящей

статистикой для ее измерения

.

Пример.

Связано ли число выигранных баскетбольной командой игр со средним числом

очков за игру

?

Диаграмма рассеяния показывает

,

что между ними имеется линейная связь

.

Анализ данных НБА о сезонах

1994–1995

годов выявил

,

что коэффициент корреляции

Пирсона

(0.581)

значимо отличен от нуля на уровне значимости

0.01.

Можно ожидать

,

что

чем больше игр будет выиграно командой за сезон

,

тем меньше очков наберут соперники

этой команды

.

Эти переменные отрицательно коррелированны

(–0,401),

и корреляция

значима на уровне

0.05.

Статистики.

Для каждой переменной

:

число наблюдений без пропущенных значений

,

среднее значение и стандартное отклонение

.

Для каждой пары переменных

:

коэффициент

корреляции Пирсона

,

ро Спирмана

,

тау

-

b

Кендалла

,

суммы перекрестных произведений

отклонений

,

ковариация

.

Данные.

При работе с коэффициентом корреляции Пирсона используйте симметричные

количественные переменные

,

при работе с ро Спирмана и тау

-

b

Кендалла

-

количественные

переменные или переменные

c

упорядоченными категориями

(

ранговые

).

Предположения.

Применение коэффициента корреляции Пирсона предполагает

,

что

каждая пара переменных соответствует двумерному нормальному распределению

.

Как запустить процедуру Парные корреляции

Выберите в меню

:

Анализ > Корреляции > Парные...

© Copyright IBM Corporation 1989, 2011.

78

79

Парные корреляции

Рисунок 12-1

Диалоговое окно Парные корреляции

E

Выберите две или более числовые переменные

.

Доступны также следующие параметры

:



Коэффициенты корреляции.

Для количественных нормально распределенных

переменных выберите коэффициент корреляции

Пирсона

.

Если данные не

распределены нормально или имеют упорядоченные категории

(

являются ранговыми

),

выберите

тау-b Кендалла

или

Спирмана

,

которые измеряют связь между рангами

.

Коэффициенты корреляции изменяются от

–1 (

полная отрицательная связь

)

до

+1

(

полная положительная связь

).

Значение

0

указывает на отсутствие линейной связи

.

При интерпретации полученных результатов тщательно следите за тем

,

чтобы не делать

выводов о причинной связи на основе значимой корреляции

.



Критерий значимости.

Вы можете выбрать двухсторонний или односторонний

критерий

.

Если направление связи известно заранее

,

выберите

Односторонний

.

В

противном случае выберите

Двухсторонний

.



Метить значимые корреляции.

Коэффициенты корреляции

,

значимые на уровне

0.05,

обозначены одной звездочкой

,

а значимые на уровне

0.01 —

двумя звездочками

.

80

Глава 12

Параметры процедуры Парные корреляции

Рисунок 12-2

Диалоговое окно Парные корреляции: Параметры

Статистики.

Для корреляции Пирсона Вы можете выбрать один или оба из следующих

пунктов

:



Средние значения и стандартные отклонения.

Выводятся для каждой переменной

.

Выводится также число наблюдений без пропущенных значений

.

Пропущенные

значения обрабатываются для каждой переменной по отдельности

,

вне зависимости от

установки

,

выбранной в панели Пропущенные значения

.



Суммы перекрестных произведений отклонений и ковариации.

Выводятся для

каждой пары переменных

.

Сумма перекрестных произведений отклонений равна сумме

произведений переменных

,

скорректированных по среднему

.

Это числитель в формуле

коэффициента корреляции Пирсона

.

Ковариация

-

это ненормированная мера связи

между двумя переменными

,

равная сумме перекрестных произведений отклонений

,

деленной на

N

–1.

Пропущенные значения.

Вы можете выбрать один из следующих вариантов

:



Исключать попарно.

Наблюдения с пропущенными значениями одной или обеих

переменных пары

,

для которых вычисляется коэффициент корреляции

,

исключаются из

анализа

.

Поскольку в вычислениях каждого коэффициента участвуют все наблюдения

без пропущенных значений для данной пары переменных

,

то в каждом вычислении

используется максимум доступной информации

.

Это может привести к тому

,

что набор

коэффициентов будет вычислен для разного числа наблюдений

.



Исключать целиком.

Наблюдения с пропущенными значениями для какой

-

либо

переменной исключаются из вычислений всех корреляций

.

81

Парные корреляции

Команды CORRELATIONS и NONPAR CORR:

дополнительные возможности

Язык синтаксиса команд также позволяет

:



Записать корреляционную матрицу для корреляций Пирсона

,

которую можно

использовать в качестве исходных данных в других процедурах

,

например

,

в факторном

анализе

(

с использованием подкоманды

MATRIX

).



Получить корреляции каждой переменной списка с каждой переменной другого списка

(

используя ключевое слово

WITH

в подкоманде

VARIABLES

).

Полную информацию о синтаксисе языка команд можно найти в

Руководстве по

синтаксису

.