- •Шкалирование.
- •Виды шкал. Сильные и слабые стороны каждой шкалы.
- •Перевод более «высокой» шкалы в более «низкую».
- •2. Работа с таблицами биномиального критерия
- •3. Расчет биномиального критерия с помощью статистической программы spss Base 12.0
- •Непараметрические критерии
- •Сравнение двух эмпирических распределений.
- •Сравнение эмпирического и теоретического распределений
- •4. Расчет критерия хи-квадрат с помощью статистической программы spss Base 12.0
- •Правила ранжирования.
- •Ранжирование результатов диагностики интеллекта Таблица 1
- •Ранжирование результатов диагностики интеллекта Таблица 2
- •Ранговый коэффициент корреляции Спирмена.
- •Определение силы и направления корреляции между двумя признаками с помощью коэффициента корреляции Спирмена.
- •Алгоритм применения рангового коэффициента корреляции Спирмена.
- •1. Проранжировать исходные данные.
- •3. Использование рангового коэффициента корреляции для шкал более высокого порядка.
- •Затем вы использовали другой тест (меньшей размерности) и ваши испытуемые показали следующие результаты (очередность испытуемых сохранена):
- •III. Ранговый коэффициент корреляции Кендалла.
- •Алгоритм применения и основные понятия рангового коэффициента корреляции Кендалла.
- •Алгоритм применения рангового коэффициента корреляции Кендалла.
- •1. Проранжировать исходные данные.
- •Переструктурированные результаты Таблица 15
- •Подсчет ранговых коэффициентов корреляции с помощью статистического пакета spss Base 12.0
- •Приложение 1
- •Параметры нормального распределения. Перевод в стены.
- •1. Параметры нормального распределения.
- •2. Перевод в стены.
- •Одновыборочный t-критерий.
- •Одновыборочные статистики Таблица 1
- •Критерий парных выборок Таблица 7
- •Кластерный анализ.
- •Применение кластерного анализа. Разновидности кластерного анализа.
- •Иерархический кластерный анализ.
- •Иерархическая кластеризация.
- •Открыть Данные
- •Факторный анализ.
- •1. Применение и этапы факторного анализа.
- •Выделенные факторы Таблица 9
- •2. Определение числа факторов.
- •3. Применение факторного анализа методом главных компонент.
Подсчет ранговых коэффициентов корреляции с помощью статистического пакета spss Base 12.0
Рассмотрим вычисление ранговых коэффициентов корреляции с помощью статистического пакета SPSS Base 12.0. Откройте файл данных в формате SPSS. Для этого в папке Examples откройте внутреннюю папку Модуль 2 и выберите в ней файл corr. Файл откроется в программе SPSS. Для проведения корреляционного анализа нужно выбрать в верхнем меню программы Анализ, затем в выпадающем меню выбираем Корреляции и из предлагаемых вариантов выбираем Парные. То есть получается цепочка выбора:
Анализ
Корреляции
Парные
После выбора Парные появляется окно под названием «парные корреляции». В левом поле этого окна содержится список переменных, правое поле свободно. Выделяем с помощью мыши переменные, взаимосвязь между которыми будем изучать, и с помощью кнопки со стрелочкой (нажав на неё) перемещаем исследуемые переменные в правое поле. Таким образом, мы задаем статистической программе список переменных для анализа. Если этот список не заказан, статистический анализ проведён не будет.
После того как переменные заданы, необходимо выбрать способ корреляционного анализа. По умолчанию в программе заказан коэффициент корреляции Пирсона. Этот коэффициент корреляции применяется для данных, измеренных в интервальной шкале и шкале отношений, и не подходит для порядковой шкалы. Поэтому мы кликаем мышкой в окно с надписью коэффициент корреляции Пирсона, и стоящая там галочка исчезает. Тем самым мы сняли запрос на расчет коэффициента корреляции Пирсона. Кликнув мышкой в поле
Коэффициенты корреляции
Кендалла
Спирмена
(там появляются галочки), мы даем программе запрос на анализ и обработку выбранных данных с помощью этих методов.
Остается выполнить последний шаг – выбрать уровень значимости. Поскольку альтернативная гипотеза сформирована нами как ненаправленная (корреляционная связь отличается от 0), то мы оставим Двусторонний уровень значимости, стоящий по умолчанию.
Самым нижним полем окна является поле «метить значимые корреляции», по умолчанию там тоже стоит галочка. Мы её оставим, потому что матрица корреляций интерпретируется легче, если в ней отмечены имеющие уровни значимости корреляции. Нажимаем кнопку
ОК
и получаем рассчитанные корреляции (Таблица 16).
Ранговые корреляции Таблица 16
Корреляции
|
|
|
тест 1 |
тест 2 |
тау-b Кендалла |
тест 1 |
Коэффициент корреляции |
1,000 |
,511(*) |
|
|
Знч. (2-сторон) |
. |
,040 |
|
|
N |
10 |
10 |
|
тест 2 |
Коэффициент корреляции |
,511(*) |
1,000 |
|
|
Знч. (2-сторон) |
,040 |
. |
|
|
N |
10 |
10 |
ро Спирмена |
тест 1 |
Коэффициент корреляции |
1,000 |
,794(**) |
|
|
Знч. (2-сторон) |
. |
,006 |
|
|
N |
10 |
10 |
|
тест 2 |
Коэффициент корреляции |
,794(**) |
1,000 |
|
|
Знч. (2-сторон) |
,006 |
. |
|
|
N |
10 |
10 |
* Корреляция значима на уровне 0.05 (2-сторонняя).
** Корреляция значима на уровне 0.01 (2-сторонняя).
Внизу получаемой таблицы указаны метки уровней значимости 0,05 и 0,01.
Результаты, полученные с помощью статистической программы, и результаты, рассчитанные вручную, совпадают. Ранговый коэффициент корреляции Кендалла также имеет более низкое расчетное значение. Используя метки значимых корреляций, мы можем сделать вывод о том, что уровень значимости полученного рангового коэффициента корреляции Спирмена равен 0,01 (или еще выше). Уровень значимости рангового коэффициента корреляции Кендалла равен 0,05. Реальный уровень значимости можно определить по таблице расчетов (таблица 16). Уровень значимости рангового коэффициента корреляции Спирмена равен 0,006. Уровень значимости рангового коэффициента корреляции Кендалла равен 0,04.