- •IBM SPSS Statistics Base 20
- •Содержание
- •1. Информация о данных
- •Вкладка Информация о данных: Вывод
- •Вкладка Информация о данных: Статистики
- •2. Частоты
- •Статистики в процедуре Частоты
- •Диаграммы в процедуре Частоты
- •Частоты: Формат
- •3. Описательные
- •Параметры процедуры Описательные статистики
- •Команда DESCRIPTIVES: дополнительные возможности
- •4. Исследовать
- •Статистики процедуры Исследовать
- •Графики процедуры Исследовать
- •Степенные преобразования в процедуре Исследовать
- •Параметры процедуры Исследовать
- •Команда EXAMINE: дополнительные возможности
- •5. Таблицы сопряженности
- •Слои таблиц сопряженности
- •Кластеризованные столбиковые диаграммы в процедуре Таблицы сопряженности
- •Таблицы сопряженности, выводящие переменные слоев в слоях таблицы
- •Вывод в ячейках для таблиц сопряженности
- •Формат таблиц сопряженности
- •6. Подытожить
- •Параметры процедуры Подытожить наблюдения
- •Статистики процедуры Подытожить наблюдения
- •7. Средние
- •Параметры процедуры Средние
- •8. OLAP Кубы
- •Статистики в процедуре OLAP Кубы
- •OLAP Кубы: Разности
- •OLAP Кубы: Заголовок
- •9. T-критерии
- •T-критерий для независимых выборок
- •Параметры процедуры T-критерий для независимых выборок
- •T-критерий для парных выборок
- •Параметры процедуры Т-критерий для парных выборок
- •Одновыборочный T-критерий
- •Параметры процедуры Одновыборочный T-критерий
- •Команда T-TEST: дополнительные возможности
- •10. Однофакторный дисперсионный анализ
- •Контрасты для однофакторного дисперсионного анализа
- •Апостериорные критерии для однофакторного дисперсионного анализа
- •Параметры процедуры Однофакторный дисперсионный анализ
- •Команда ONEWAY: дополнительные возможности
- •11. Общая линейная модель: одномерный анализ
- •Общая линейная модель (ОЛМ)
- •Создать члены
- •Сумма квадратов
- •Контрасты ОЛМ
- •Типы контрастов
- •Графики профилей в ОЛМ
- •Апостериорные сравнения в ОЛМ
- •Сохранение новых переменных в ОЛМ
- •Параметры процедуры ОЛМ
- •Команда UNIANOVA: дополнительные возможности
- •12. Парные корреляции
- •Параметры процедуры Парные корреляции
- •13. Частные корреляции
- •Параметры процедуры Частные корреляции
- •Команда PARTIAL CORR: дополнительные возможности
- •14. Расстояния
- •Меры различия
- •Меры сходства
- •Команда PROXIMITIES: дополнительные возможности
- •15. Линейные модели
- •Как запустить процедуру построения линейной модели
- •Цели
- •Основные параметры
- •Подбор модели
- •Ансамбли
- •Дополнительные параметры
- •Параметры модели
- •Сводка для модели
- •Автоматическая подготовка данных
- •Важность предикторов
- •Предсказанные против наблюденных
- •Остатки
- •Выбросы
- •Эффекты
- •Коэффициенты
- •Оцененные средние
- •Сводка по построению модели
- •16. Линейная регрессия
- •Методы отбора переменных для линейной регрессии
- •Задание правила отбора наблюдений для линейной регрессии
- •Графики процедуры Линейная регрессия
- •Линейная регрессия: Сохранение новых переменных
- •Статистики процедуры Линейная регрессия
- •Параметры процедуры Линейная регрессия
- •Команда REGRESSION: дополнительные возможности
- •17. Порядковая регрессия
- •Порядковая регрессия: Параметры
- •Порядковая регрессия: Вывод
- •Порядковая регрессия: Модель положения
- •Создать члены
- •Порядковая регрессия: Модель масштаба
- •Команда PLUM: дополнительные возможности
- •18. Подгонка кривых
- •Модели подгонки кривых
- •Подгонка кривых: Сохранить
- •19. Регрессия частично наименьших квадратов
- •Модель
- •Параметры
- •20. Анализ методом ближайших соседей
- •Соседи
- •Показатели
- •Группы
- •Сохранить
- •Вывод
- •Параметры
- •Вид Модель
- •Пространство показателей
- •Важность переменных
- •Соседи
- •Расстояния до ближайших соседей
- •Диаграмма квадрантов
- •Значения ошибок при отборе показателей
- •Значения ошибок при выборе k
- •Значения ошибок при отборе показателей и выборе k
- •Таблица классификации
- •Сводка ошибок
- •21. Дискриминантный анализ
- •Задание диапазона в процедуре Дискриминантный анализ
- •Отбор наблюдений для процедуры дискриминантного анализа
- •Статистики в процедуре Дискриминантный анализ
- •Метод пошагового отбора процедуры Дискриминантный анализ
- •Дискриминантный анализ: Классификация
- •Дискриминантный анализ: Сохранить
- •Команда DISCRIMINANT: дополнительные возможности
- •22. Факторный анализ
- •Отбор наблюдений для факторного анализа
- •Описательные статистики факторного анализа
- •Выделение факторов в процедуре Факторный анализ
- •Вращение факторов для факторного анализа
- •Значения факторов в процедуре факторного анализа
- •Параметры процедуры Факторный анализ
- •Команда FACTOR: дополнительные возможности
- •23. Выбор процедуры кластеризации
- •24. Двухэтапный кластерный анализ
- •Параметры процедуры Двухэтапный кластерный анализ
- •Вывод процедуры Двухэтапный кластерный анализ
- •Средство просмотра кластеров
- •Закладка Средство просмотра кластеров
- •Перемещение по средству просмотра кластеров
- •Фильтрация записей
- •25. Иерархический кластерный анализ
- •Задание метода иерархического кластерного анализа
- •Статистики для процедуры Иерархический кластерный анализ
- •Графики для процедуры Иерархический кластерный анализ
- •Сохранение новых переменных в процедуре Иерархический кластерный анализ
- •Эффективность кластерного анализа методом k-средних
- •Итерации в кластерном анализе методом k-средних
- •Сохранение новых переменных в кластерном анализе методом k-средних
- •Параметры процедуры Кластерный анализ методом К-средних
- •Команда QUICK CLUSTER: дополнительные возможности
- •27. Непараметрические критерии
- •Одновыборочные непараметрические критерии
- •Чтобы получить одновыборочные непараметрические критерии
- •Вкладка Поля
- •Вкладка Параметры
- •Непараметрические критерии для независимых выборок
- •Чтобы получить непараметрические критерии для независимых выборок
- •Вкладка Поля
- •Вкладка Параметры
- •Непараметрические критерии для связанных выборок
- •Чтобы применить непараметрические критерии для связанных выборок
- •Вкладка Поля
- •Вкладка Параметры
- •Представление модель
- •Сводка по проверке гипотез
- •Сводка по доверительным интервалам
- •Одновыборочный критерий
- •Критерии для связанных выборок
- •Критерий для независимых выборок
- •Информация по категориальным полям
- •Информация по количественным полям
- •Парные сравнения
- •Однородные подмножества
- •Команда NPTESTS: дополнительные возможности
- •Устаревшие диалоговые окна
- •Критерий хи-квадрат
- •Биномиальный критерий
- •Критерий серий
- •Одновыборочный критерий Колмогорова-Смирнова
- •Критерии для двух независимых выборок
- •Критерии для двух связанных выборок
- •Критерии для нескольких независимых выборок
- •Критерии для нескольких связанных выборок
- •28. Анализ множественных ответов
- •Задание наборов множественных ответов
- •Частоты для множественных ответов
- •Таблицы сопряженности для множественных ответов
- •Задание диапазонов переменных в таблицах сопряженности для наборов множественных ответов
- •Параметры процедуры Таблицы сопряженности для множественных ответов
- •Команда MULT RESPONSE: дополнительные возможности
- •29. Создание отчетов
- •Итоги по строкам
- •Как запустить процедуру выдачи итожащего отчета: Итоги по строкам
- •Параметры группировки отчета
- •Параметры отчета
- •Компоновка отчета
- •Заголовки отчета
- •Итоги по столбцам
- •Как запустить процедуру выдачи итожащего отчета: Итоги по столбцам
- •Итожащие функции столбцов данных
- •Формат столбцов отчета
- •Параметры группировки отчета с итогами по столбцам
- •Параметры отчета для итогов по столбцам
- •Компоновка отчета с итогами по столбцам
- •Команда REPORT: дополнительные возможности
- •30. Анализ пригодности
- •Статистики процедуры Анализ пригодности
- •Команда RELIABILITY: дополнительные возможности
- •31. Многомерное шкалирование
- •Многомерное шкалирование: Форма данных
- •Создание меры для многомерного шкалирования
- •Модель многомерного шкалирования
- •Параметры процедуры Многомерное шкалирование
- •Команда ALSCAL: дополнительные возможности
- •32. Статистики отношений
- •Статистики отношений
- •33. Кривые ROC
- •Параметры процедуры ROC Кривые
- •Указатель
Глава
Парные корреляции
12
Процедура Парные корреляции вычисляет коэффициент корреляции Пирсона, ро Спирмана и тау-b Кендалла, а также уровни значимости для них. Корреляции измеряют связь между переменными или рангами. Перед вычислением коэффициента корреляции проверьте данные на наличие выбросов (которые могут привести к вводящим в заблуждение результатам) и признаков наличия линейной связи. Коэффициент корреляции Пирсона является мерой линейной связи. Две переменные могут быть на 100% связаны, однако если эта связь нелинейная, коэффициент корреляции Пирсона не является подходящей статистикой для ее измерения.
Пример. Связано ли число выигранных баскетбольной командой игр со средним числом очков за игру? Диаграмма рассеяния показывает, что между ними имеется линейная связь. Анализ данных НБА о сезонах 1994–1995 годов выявил, что коэффициент корреляции Пирсона (0.581) значимо отличен от нуля на уровне значимости 0.01. Можно ожидать, что чем больше игр будет выиграно командой за сезон, тем меньше очков наберут соперники этой команды. Эти переменные отрицательно коррелированны (–0,401), и корреляция значима на уровне 0.05.
Статистики. Для каждой переменной: число наблюдений без пропущенных значений, среднее значение и стандартное отклонение. Для каждой пары переменных: коэффициент корреляции Пирсона, ро Спирмана, тау-b Кендалла, суммы перекрестных произведений отклонений, ковариация.
Данные. При работе с коэффициентом корреляции Пирсона используйте симметричные количественные переменные, при работе с ро Спирмана и тау-b Кендалла - количественные переменные или переменные c упорядоченными категориями (ранговые).
Предположения. Применение коэффициента корреляции Пирсона предполагает, что каждая пара переменных соответствует двумерному нормальному распределению.
Как запустить процедуру Парные корреляции
Выберите в меню:
Анализ > Корреляции > Парные...
© Copyright IBM Corporation 1989, 2011. |
78 |
79
Парные корреляции
Рисунок 12-1
Диалоговое окно Парные корреляции
EВыберите две или более числовые переменные.
Доступны также следующие параметры:
Коэффициенты корреляции. Для количественных нормально распределенных переменных выберите коэффициент корреляции Пирсона. Если данные не распределены нормально или имеют упорядоченные категории (являются ранговыми), выберите тау-b Кендалла или Спирмана, которые измеряют связь между рангами. Коэффициенты корреляции изменяются от –1 (полная отрицательная связь) до +1 (полная положительная связь). Значение 0 указывает на отсутствие линейной связи. При интерпретации полученных результатов тщательно следите за тем, чтобы не делать выводов о причинной связи на основе значимой корреляции.
Критерий значимости. Вы можете выбрать двухсторонний или односторонний критерий. Если направление связи известно заранее, выберите Односторонний. В противном случае выберите Двухсторонний.
Метить значимые корреляции. Коэффициенты корреляции, значимые на уровне 0.05, обозначены одной звездочкой, а значимые на уровне 0.01 — двумя звездочками.
80
Глава 12
Параметры процедуры Парные корреляции
Рисунок 12-2
Диалоговое окно Парные корреляции: Параметры
Статистики. Для корреляции Пирсона Вы можете выбрать один или оба из следующих пунктов:
Средние значения и стандартные отклонения. Выводятся для каждой переменной.
Выводится также число наблюдений без пропущенных значений. Пропущенные значения обрабатываются для каждой переменной по отдельности, вне зависимости от установки, выбранной в панели Пропущенные значения.
Суммы перекрестных произведений отклонений и ковариации. Выводятся для каждой пары переменных. Сумма перекрестных произведений отклонений равна сумме произведений переменных, скорректированных по среднему. Это числитель в формуле коэффициента корреляции Пирсона. Ковариация - это ненормированная мера связи между двумя переменными, равная сумме перекрестных произведений отклонений, деленной на N–1.
Пропущенные значения. Вы можете выбрать один из следующих вариантов:
Исключать попарно. Наблюдения с пропущенными значениями одной или обеих переменных пары, для которых вычисляется коэффициент корреляции, исключаются из анализа. Поскольку в вычислениях каждого коэффициента участвуют все наблюдения без пропущенных значений для данной пары переменных, то в каждом вычислении используется максимум доступной информации. Это может привести к тому, что набор коэффициентов будет вычислен для разного числа наблюдений.
Исключать целиком. Наблюдения с пропущенными значениями для какой-либо переменной исключаются из вычислений всех корреляций.
81
Парные корреляции
Команды CORRELATIONS и NONPAR CORR:
дополнительные возможности
Язык синтаксиса команд также позволяет:
Записать корреляционную матрицу для корреляций Пирсона, которую можно использовать в качестве исходных данных в других процедурах, например, в факторном анализе (с использованием подкоманды MATRIX).
Получить корреляции каждой переменной списка с каждой переменной другого списка (используя ключевое слово WITH в подкоманде VARIABLES).
Полную информацию о синтаксисе языка команд можно найти в Руководстве по синтаксису.