Глава 5. Нормальный закон распределения и его применение

Kurtosis, Skewness, нажимаем Continue, затем ОК. В таблице результатов стол­бцы Kurtosis и Skewness содержат значения асимметрии (Kurtosis) и эксцесса (Skewness) и соответствующие им стандартные ошибки (Std. Error). Распреде­ление соответствует нормальному виду, если для соответствующей переменной абсолютные значения асимметрии и эксцесса не превышают свои стандартные ошибки.

Графический способ. Выбираем Graphs > РР... — графики накопленных ча­стот (или Graphs > QQ... — квантильные графики). Открывается диалог Р-Р Plots (Q-Q Plots). Переносим из левого в правое окно интересующие нас пе­ременные. Нажимаем ОК. В окне результатов просматриваем графики Normal Р-Р Plot... (Normal Q-Q Plot...), на которых по горизонтальной оси отложены соответствующие эмпирические значения, а по вертикальной оси — теорети­ческие значения. Чем ближе точки графиков к прямой линии, тем меньше от­личие распределения от нормального вида.

Критерий нормальности Колмогорова-Смирнова. Выбираем Analyze > Nonpa-rametric Tests > 1-Sample K-S... Открывается диалог One-Sample Kolmogorov-Smirnov Test. Переносим из левого в правое окно интересующие нас пере­менные. Нажимаем ОК. В соответствующем переменной столбце находим Kolmogorov-SmirnovZ (значение критерия) и Asymp. Sig. (2-tailed) (вероятность того, что распределение соответствует нормальному виду). Если значение Asymp. Sig. меньше или равно 0,05, то распределение существенно отличает­ся от нормального вида. Если Asymp. Sig. больше 0,05, то существенного от­личия от нормальности не обнаружено.

Глава 6

КОЭФФИЦИЕНТЫ КОРРЕЛЯЦИИ

В главе 4 мы рассмотрели основные одномерные описательные статисти­ки — меры центральной тенденции и изменчивости, которые применяются для описания одной переменной. В этой главе мы рассмотрим основные ко­эффициенты корреляции.

Коэффициент корреляции — двумерная описательная статистика, количе­ственная мера взаимосвязи (совместной изменчивости) двух переменных.

История разработки и применения коэффициентов корреляции для ис­следования взаимосвязей фактически началась одновременно с возникнове­нием измерительного подхода к исследованию индивидуальных различий — в 1870—1880 гг. Пионером в измерении способностей человека, как и автором самого термина «коэффициент корреляции», был Френсис Гальтон, а самые популярные коэффициенты корреляции были разработаны его последовате­лем Карлом Пирсоном. С тех пор изучение взаимосвязей с использованием коэффициентов корреляции является одним из наиболее популярных в пси­хологии занятием.

К настоящему времени разработано великое множество различных коэф­фициентов корреляции, проблеме измерения взаимосвязи с их помощью по­священы сотни книг. Поэтому, не претендуя на полноту изложения, мы рас­смотрим лишь самые важные, действительно незаменимые в исследованиях меры связи — /--Пирсона, r-Спирмена и т-Кендалла'. Их общей особенностью является то, что они отражают взаимосвязь двух признаков, измеренных в ко­личественной шкале — ранговой или метрической.

Вообще говоря, любое эмпирическое исследование сосредоточено на изу­чении взаимосвязей двух или более переменных.

П РИМЕРЫ

П риведем два примера исследования влияния демонстра­ции сцен насилия по ТВ на агрессивность подростков. 1. Изучается взаимосвязь двух переменных, измеренных в количественной (ранговой или метрической) шка­ле: 1)«время просмотра телепередач с насилием»; 2) «агрессивность».

Ч итается как тау-Кендалла.

64