4.5.10.4. Мера расстояния и мера сходства
Наряду с приведенными корреляционными коэффициентами, SPSS дополнительно предлагает расчет корреляционных расстояний. Так, к примеру, реализован расчет четырёхполевой корреляции (обе переменные являются дихотомическими). Данный вид корреляции рассчитываются в SPSS на основании определения мер расстояния и мер сходства. Некоторые статистические процедуры, такие как факторный анализ, кластерный анализ, многомерное масштабирование, построены на применении этих мер, а иногда сами представляют добавочные возможности для вычисления мер подобия. Если Вы во время выполнения этих процедур захотите использовать какую-либо меру, не предусмотренную в выбранной процедуре, то Вам следует воспользоваться дополнительными возможностями, предоставляемыми SPSS.
В качестве примера возьмем анкету, которая посвящена исследованию степени любознательности опрашиваемых. Выберите в меню Analyze... (Анализ) Correlate... (Корреляция)Distances... (Расстояния). Появится диалоговое окно Distances... (рис. 4.50).
В этом диалоговом окне можно организовать расчет расстояния между наблюдениями или между переменными, а также выбрать тип рассчитываемой меры мера отличия или мера подобия. Щелчком на кнопке Measures... (Меры) можно выбрать формулу вычисления меры расстояния для интервальных или дихотомических (бинарных) переменных. В основу расчета мер отличия могут быть также положены и частоты.
Рис. 4.50: Диалоговое окно Distances... (Расстояния).
4.5.10.5. Внутриклассовый коэффициент корреляции
Внутриклассовый коэффициент корреляции (Intraclass Correlation Coefficient ICC) применяется в качестве меры связанности в том случае, когда обе переменные имеют приблизительно одинаковый уровень значений. ICC играет также важную роль при анализе достоверности. При его расчёте используется более двух переменных, называемых в данном случае объектами. В связи с этим расчёт ICC в SPSS производится в рамках анализа достоверности. Рассмотрим расчёт ICC на данных одного типичного примера. В базе данных находятся три переменные: a, agesch и agesch10. Переменной а обозначен фактический возраст респондентов, agesch — возраст по оценке со стороны. Переменная agesch10 соответствует возрасту по оценке со стороны минус 10 лет.
Определим теперь ICC. Выберите в меню Analyze... (Анализ) Scale... (Масштабировать) Reliability Analysis... (Анализ пригодности). Перенесите обе переменные а и agesch в список объектов. Через кнопку Statistics... (Статистика), активируйте опцию Intraclass Correlation Coefficient (Корреляционный коэффициент внутри классов). В качестве модели выберите One-Way Random (Однократно, случайно), которая соответствует традиционному расчёту ICC. Оставьте предварительно установленный 95 % доверительный интервал и подтвердите нажатием Continue(Далее) и ОК.
Ещё одним типичным случаем для применения расчёта ICC является определение связей между фактическим весом и весом по оценке со стороны или фактическим и оценочным ростом.
4.5.11. Регрессионный анализ.
Регрессионный анализ предназначен для изучения взаимосвязи одной (зависимой, результатирующей) и нескольких других (независимых, исходных) переменных. Исходные данные для регрессионного анализа представляют собой таблицу (матрицу), в которой строки соответствуют объектам (испытуемым), а столбцы – переменным. Все переменные при этом должны быть измерены в количественной шкале. Одна из переменных определяется исследователем как зависимая, а остальные (или их часть) – как независимые переменные. Допускается, что для некоторых объектов значения зависимой переменной неизвестны, и их определение (оценка) может составлять важный результат анализа.
Обычно регрессионный анализ применяется для изучения возможности предсказания некоторого результата (обучения, деятельности) по ряду предварительно измеренных характеристик. Например: психолога интересует прогноз успеваемости абитуриента по измеренным психологическим характеристикам (интеллекта, личности и пр.). В этом случае он использует уже имеющиеся данные о взаимосвязи успеваемости и предварительного психологического тестирования за прошлые годы. Успеваемость при этом он рассматривает как зависимую переменную, психологические показатели — как независимые переменные. Или психолог может изучать удовлетворенность оплатой труда. Привлекая данные разных компаний, он может при помощи регрессионного анализа определить зависимость оплаты труда сотрудника от степени ответственности, количества подчиненных и других показателей. Пользуясь этой моделью, можно определить сотрудников, которым недоплачивают, переплачивают или платят «справедливо» за их труд.
Помимо предсказания и определения степени его точности регрессионный анализ позволяет определить и то, какие показатели («независимые переменные») наиболее существенны, важны для предсказания, а какими переменными можно пренебречь, исключив их из анализа. Например, психолога может интересовать вопрос о том, какие психологические характеристики в наибольшей степени влияют на проявление исследуемой формы поведения или какие индивидуальные особенности лучше предсказывают успешность деятельности и пр.
Регрессионный анализ может применяться и в том случае, если зависимая переменная является причиной изменения нескольких независимых переменных. Зависимой переменной в данном случае может быть скрытая причина, фактор, например личностное свойство, а независимыми переменными – пункты теста, измеряющие различные проявления этого свойства.
Чтобы вызвать регрессионный анализ в SPSS, выберите в меню Analyze... (Анализ) Regression... (Регрессия). Откроется соответствующее подменю (рис. 4.51).
Рис. 4.51: Вспомогательное меню Regression (Регрессия)