1.Занести данные в электронную таблицу Редактора Данных ( spss Data Editor) в виде нескольких столбцов ( переменных) одинаковой длины.
2. Для вычисления корреляции в пакете SPSS в главном меню выбрать команду Statistics , подменю - Correlate, а в нем - Bivariate. В появившемся диалоге перевести из левого списка в правый имена тех переменных, для пар которых необходимо вычислить корреляционные коэффициенты. При условии нормальности распределения переменных выбрать более мощный критерий Пирсона. В условиях небольшой выборки, когда распределение переменных значимо отличается от нормального рекомендуется обратиться к коэффициенту ранговой корреляции Спирмена. После щелчка по кнопке ОК в окно результатов будет выведена “матрица интеркорреляций”. Это симметричная квадратная таблица, в которой строки и столбцы - указанные переменные, на пересечении строк и столбцов находятся корреляционные коэффициенты, объем выборки и уровень значимости.
Пример.
Имеется список переменных (см. Табл.1, Прилож.1). Необходимо выяснить, имеется ли значимая взаимосвязь между переменными VAR00001 ( школьная тревожность), VAR00002( самооценочная тревожность), VAR000017 ( обидчивость), VAR000021 ( экстравертированность –интровертированность), VAR000022 ( нейротизм). Обратимся к коэффициенту Пирсона.
Гипотезы: Н0 – взаимосвязь между данными переменными приближается к нулю.
Н1 - взаимосвязь между данными переменными значимо отличается от нуля.
Применяя предложенный алгоритм, мы получили матрицу интеркорреляций (см. табл.5. )
Табл. 5
Матрица интеркорреляций
Для анализа связи VAR00001 и VAR00002 в матрице имеем следующие данные: коэффициент корреляции равен .576; второе число – уровень значимости полученной корреляции ( одной звездочкой отмечается 5% уровень значимости, двумя – 1% уровень значимости); третье число – объем выборки. Связь между данными переменными значимая. Подобным образом анализируем и другие пары переменных.
В нашем примере значимая прямо пропорциональная связь между VAR00001 и VAR00002, между VAR00001 и VAR000017, VAR00001 и VAR000022, VAR00002 и VAR000017, VAR00002 и VAR000022, VAR000017 и VAR000022.
Между переменными VAR000017 и VAR000021 обратно пропорциональная взаимосвязь ( -.149), что означает – чем выше уровень экстравертированности, тем ниже уровень обидчивости, или, наоборот, чем ниже уровень экстравертированности (т.е., интровертированности),тем выше уровень обидчивости. По данным переменным подтверждается альтернативная гипотеза.
Нет значимой взаимосвязи между VAR00001 и VAR000021, VAR00002 и VAR000021. Здесь подтверждается нулевая гипотеза.
Контрольные задания.
1. Сформулировать гипотезы о наличии или отсутствии взаимосвязи между переменными.
2.Выяснить по данным психологического исследования, имеется ли взаимосвязь между количественно измеренными признаками.
3. Раскрыть особенности взаимосвязи между переменными на содержательном уровне.