Глава 10. Корреляционный анализ

соответствует коэффициенту корреляции, нижнее — численности выборки N, среднее — /^-уровню значимости для ненаправленных альтернатив (Sig. (2-tailed)).

Вычисление несимметричной корреляционной матрицы. Если есть необходи­мость вычислить корреляции не всех, а только двух групп переменных, то не­обходимо создание командного файла (Syntax). Например, есть 5 перемен­ных с именами: vl, v2, v3, v4, v5. Задача — вычислить корреляции vl с остальными переменными из этого набора, обрабатывая пропуски путем по­парного удаления.

□ Выбираем File > New > Syntax. В открывшемся окне набираем текст: correlations variables vl with v2 v3 v4 v5. (Количество переменных до и после слова with — не ограничено).

П Если необходима обработка пропусков путем построчного удаления, то: correlations variables vl with v2 v3 v4 v5 /missing listwise.

П Если надо вычислить корреляцию r-Спирмена (с попарным удалени­ем), то: nonpar corr vl with v2 v3 v4 v5.

□ Для вычисления корреляций т-Кендалла добавляем к первой — вторую строку:

nonpar corr vl with v2 v3 v4 v5 /print kendall.

□ Для вычисления и r-Спирмена, и т-Кендалла с построчным удалением: nonpar corr vl with v2 v3 v4 v5

/missing listwise /print both.

Заметьте, что вся команда обязательно должна заканчиваться точкой.

Для выполнения команды нажимаем Run > АН. Программа выдаст резуль­тат — таблицу корреляций переменных. Строки будут соответствовать име­нам переменных, указанных в команде до слова with, а столбцы — именам переменных, указанных после слова with.

Вычисление частной корреляции. Выбираем Analyze > Correlate > Partial... В открывшемся окне диалога переносим интересующие переменные из ле­вой части в правую верхнюю (Variables:) при помощи верхней кнопки > (пе­ременных должно быть как минимум две). Затем при помощи нижней кноп­ки > из правой части в левую нижнюю часть (Controlling for:) переносим переменную, значения которой хотим фиксировать. Нажимаем ОК. Полу­чаем таблицу, аналогичную таблице парных корреляций, но верхнее число в каждой ячейке — значение частной корреляции соответствующих двух пе­ременных при фиксированном значении указанной третьей переменной. Нижнее число — /^-уровень значимости, а посередине — число степеней свободы.

Глава 11

ПАРАМЕТРИЧЕСКИЕ МЕТОДЫ СРАВНЕНИЯ ДВУХ ВЫБОРОК

Сравнение двух выборок по признаку, измеренному в метрической шкале, обычно предполагает сравнение средних значений с использованием параметри­ческого критерия t-Стьюдента. Следует различать три ситуации по соотноше­нию выборок между собой: случай независимых и зависимых выборок (измере­ний признака) и дополнительно — случай сравнения одного среднего значения с заданной величиной (критерий /-Стьюдента для одной выборки).

К параметрическим методам относится и сравнение дисперсий двух выборок по критерию F-Фишера. Иногда этот метод приводит к ценным содержатель­ным выводам, а в случае сравнения средних для независимых выборок срав­нение дисперсий является обязательной процедурой.

При сравнении средних или дисперсии двух выборок проверяется нена­правленная статистическая гипотеза о равенстве средних (дисперсий) в гене­ральной совокупности. Соответственно, при ее отклонении допустимо при­нятие двусторонней альтернативы о конкретном направлении различий в соответствии с соотношением выборочных средних (дисперсий). Для приня­тия статистического решения в таких случаях применяются двусторонние кри­терии и, соответственно, критические значения для проверки ненаправлен­ных альтернатив.

СРАВНЕНИЕ ДИСПЕРСИЙ

Метод позволяет проверить гипотезу о том, что дисперсии двух генераль­ных совокупностей, из которых извлечены сравниваемые выборки, отлича­ются друг от друга. Проверяемая статистическая гипотеза Н_о: о\ = Ь\. При ее отклонении принимается альтернативная гипотеза о том, что одна дисперсия больше другой.

Исходные предположения: две выборки извлекаются случайно из разных ге­неральных совокупностей с нормальным распределением изучаемого признака.

162