
- •1. Мета розрахунково-графічної роботи
- •2. Завдання на розрахунково-графічну роботу
- •3. Вимоги до виконання розрахунково-графічної роботи
- •4. Структура і зміст роботи
- •5. Рекомендації до виконання
- •6. Критерії оцінювання розрахунково-графічної роботи
- •7. Список рекомендованої літератури
- •Розрахунково-графічна робота
- •Розділ 1. Кореляційний аналіз. Теоретичні відомості
- •1.3. Частинний коефіцієнт кореляції.
- •1.4. Множинний коефіцієнт кореляції
- •Розділ 2. Розв’язання маркетингової задачі за допомогою кореляційного аналізу
- •Розділ 3. Кореляційний аналіз в spss
- •Висновки
- •Література
Розділ 3. Кореляційний аналіз в spss
Розв’яжемо сформульовану у розділі 2 задачу, використовуючи програму SPSS.
Після відкриття програми необхідно записати дані. Цю дію виконуємо в листі Data View, який активізований програмою автоматично. Змінні розміщуються у клітинках горизонтального ряду (var), а їх значення записуються вертикально. На рис.3.1 дана дія виконана для нашого прикладу. VAR00001, VAR00002, VAR00003 – це назви змінних, тобто x, y, k відповідно.
Рис. 3.1 Лист Data View.
У закладці Variable View нічого писати не потрібно, після введення даних програма автоматично заповнює відомості про змінні. Це зображено на рис.3.2.
Наступний крок – обчислення парної кореляції для змінних. Для цього на панелі інструментів натискаємо кнопку Analyze, з меню вибираємо команду Correlate, а потім – Bivariate. Відкриється наступне діалогове вікно – рис.3.3.
У лівому верхньому вікні програма автоматично записує всі початкові змінні. Для того, щоб програма обчислила парний коефіцієнт кореляції, необхідно виділити мінімум дві змінні і перенести їх у праве верхнє вікно Variables.
Рис.
3.2
Заповнення відомостей про змінні
Рис. 3.3. Діалогове вікно для парної кореляції
Оскільки нам необхідно обчислити усі парні коефіцієнти, то перенесемо усі змінні у вікно Variables (рис.3.4).
Рис.
3.4.
Вибір змінних для обчислення парного
коефіцієнта кореляції
В параметрах Correlation Coefficients. Необхідно вибрати коефіцієнт Пірсона (Pearson) – програма робить це автоматично. Далі в параметрах Test of Significance вибираємо Two-tailed. Програма обраховує коефіцієнти кореляції і відкривається наступне вікно – рис.3.5.
Рис. 3.5. Вивід на екран значень обчислених парних коефіцієнтів
Таким чином, обчислені парні коефіцієнти представлені у вигляді таблиці 3.1. Клітинка, що знаходиться на перетині між стовпцем і рядком з назвою змінної, і буде парним коефіцієнтом між цими змінними. Наприклад, парний коефіцієнт змінних VAR00001 і VAR00002 дорівнює 0,635, тобто r (xy) = 0,635
Таблиця 3.1
Correlations
|
|
VAR00001 |
VAR00002 |
VAR00003 |
VAR 00001 |
Pearson Correlation |
1 |
-,823(**) |
-,441 |
Sig. (2-tailed) |
|
,003 |
,202 |
|
N |
10 |
10 |
10 |
|
VAR 00002 |
Pearson Correlation |
-,823(**) |
1 |
,190 |
Sig. (2-tailed) |
,003 |
|
,598 |
|
N |
10 |
10 |
10 |
|
VAR 00003 |
Pearson Correlation |
-,441 |
,190 |
1 |
Sig. (2-tailed) |
,202 |
,598 |
|
|
|
N |
10 |
10 |
10 |
Для того, щоб обрахувати частинні коефіцієнти кореляції на панелі інструментів натискаємо кнопку Analyze, з меню вибираємо команду Correlate, а потім – Partial. Відкривається наступне вікно – рис.3.6.
Рис.
3.6.
Діалогове вікно для частинної кореляції
Переносимо дві змінні з лівого вікна у праве (Variables) таким же чином, як це робили у вікні парної кореляції. А інші дві змінні (ті, вплив яких ми будемо виключати) переносимо у віконце Controlling for. Програма автоматично вибирає в вікні Test of Significance параметр Two-tailed (див. рис.3.7).
Рис.
3.7. Вибір змінних для обчислення частинного
коефіцієнта кореляції
Якщо внизу вікна натиснути кнопку Options, то відкриється наступне вікно – рис.3.8.
Рис. 3.8. Опції частинної кореляції.
На екран виводяться результат обчислення – рис.3.9.
Рис. 3.9. Вивід на екран значень обчислених частинних коефіцієнтів
Результат обчислення частинного коефіцієнту кореляції між змінними VAR00001 і VAR00002, з виключенням впливу змінної VAR00003, подано в таблиці 3.2.
Таблиця 3.2
Correlations
Control Variables |
|
|
VAR0001 |
VAR0002 |
VAR00003 |
VAR00001 |
Correlation |
1,000 |
-,839 |
|
|
Significance (2-tailed) |
. |
,005 |
|
|
df |
0 |
7 |
|
VAR00002 |
Correlation |
-,839 |
1,000 |
|
|
Significance (2-tailed) |
,005 |
. |
|
|
df |
7 |
0 |
Аналогічно обраховуються частинні коефіцієнти кореляції для інших пар змінних (таблиця 3.3 та таблиця 3.4).
Результат обчислення частинного коефіцієнту кореляції між змінними VAR00002 і VAR00003, з виключенням впливу змінної VAR00001, подано в таблиці 3.3.
Таблиця 3.3
Correlations
Control Variables |
|
|
VAR0002 |
VAR0003 |
VAR00001 |
VAR00002 |
Correlation |
1,000 |
-,338 |
Significance (2-tailed) |
. |
,373 |
||
df |
0 |
7 |
||
VAR00003 |
Correlation |
-,338 |
1,000 |
|
Significance (2-tailed) |
,373 |
. |
||
df |
7 |
0 |
Результат обчислення частинного коефіцієнту кореляції між змінними VAR00001 і VAR00003, з виключенням впливу змінної VAR00002, подано в таблиці 3.4.
Таблиця 3.4
Correlations
Control Variables |
|
|
VAR0001 |
VAR0003 |
VAR00002 |
VAR00001 |
Correlation |
1,000 |
-,510 |
Significance (2-tailed) |
. |
,161 |
||
df |
0 |
7 |
||
VAR00003 |
Correlation |
-,510 |
1,000 |
|
Significance (2-tailed) |
,161 |
. |
||
df |
7 |
0 |