
- •Ответы на экзамен «Математические методы в психологии».
- •Цель применения математических методов. Измерение в психологии.
- •Шкала измерения
- •Переменные.
- •Мартица.
- •Основные этапы статистического исследования
- •1 0. Описание с помощью квантилей.
- •11. Меры центральной тенденции, мода.
- •12. Интерпретация меры.
- •13. Меры вариации.
- •Асимметрия и эксцесс
- •Нормальное распределение и его роль.
- •Применение нормального распределения:
- •Функция Лапласа
- •Измерительные шкалы.
- •Поняття і суть вибіркового методу, причини і умови його застосування.
- •Сравнение средних spss
- •Переменные, относящиеся к интервальной шкале и подчиняющиеся нормальному распределению
- •Переменные, относящиеся к порядковой шкале или переменные, относящиеся к интервальной шкале, но не подчиняющиеся нормальному распределению
- •Дисперсионный анализ
- •Критерий Фишера
- •20.Коэффициент корреляции
- •Symmetric Measures (Симметричные меры)
- •21.Непараметрические показатели связи. Ранговые коэффициенты связи.
- •В spss: Ранговые коэффициенты корреляции по Спирману и Кендалу
- •Correlations (Корреляции)
- •22.Категориальная переменная
- •23.Статистические критерии для таблиц сопряженности
- •12.2.3 Таблицы сопряженности с категориальными наборами
- •Пол * Психическое состояние Таблица сопряженности
- •Критерий хи-квадрат по Пирсону
- •Критерий хи-квадрат с поправкой на правдоподобие
- •Тест Мантеля-Хэнзеля
- •24. Проверка гипотезы о независимости признаков (таблица сопряженности признаков)
- •25. Коэф-т связи в табл сопряженности: Коэффициенты корреляции
- •Symmetric Measures (Симметричные меры)
- •26.Меры (may) л. Гудмена и е. Краскала (l. Goodman, е. Kruskal)
- •28. Регрессионный анализ
- •31. Линейная регрессия (пропедевтика)
- •Графики гетероскедастичности
- •Определение гетероскедастичности
- •Пр.: Этапы кластерного анализа
- •Выбор переменных-критериев для кластеризации.
- •Формирование кластеров
- •Интерпретация результатов.
20.Коэффициент корреляции
К
оэффициент
корреляции –
это величина, которая может варьировать
в пределах от +1 до –1. В случае полной
положительной корреляции этот коэффициент
равен плюс 1 (говорят
о том, что при увеличении значения одной
переменной увеличивается значение
другой переменной),
а при полной отрицательной – минус 1
(свидетельствуют
об обратной связи, т.е. При увеличении
значений одной переменной, значения
другой уменьшаются).
П
р1.:
График зависимости застенчивости и дипресивности. Как видим, точки (испытуемые) расположены не хаотично, а выстраиваются вокруг одной линии, причём, глядя на эту линию можно сказать, что чем выше у человека выражена застенчивость, тем больше депрессивность, т. е. эти явления взаимосвязаны.
П
р2.:
График для Застенчивости и Общительности.
Мы видим, что с
увеличением застенчивости общительность
уменьшается. Их коэффициент корреляции
-0,43. Таким образом, коэффициент корреляции
больший от 0 до 1 говорит о прямопропорциональной
связи (чем больше… тем больше…), а
коэффициент от -1 до 0 о обратнопропорциональной
(чем больше… тем меньше…)
В
случае если коэффициент корреляции
равен 0, обе переменные полностью
независимы друг от друга.
Корреляционная связь - это связь, где воздействие отдельных факторов проявляется только как тенденция (в среднем) при массовом наблюдении фактических данных. Примерами корреляционной зависимости могут быть зависимости между размерами активов банка и суммой прибыли банка, ростом производительности труда и стажем работы сотрудников.
Используется две системы классификации корреляционных связей по их силе: общая и частная.
Общая классификация корреляционных связей:
1) сильная, или тесная при коэффициенте корреляции r>0,70;
2) средняя при 0,50<r<0,69;
3) умеренная при 0,30<r<0,49;
4) слабая при 0,20<r<0,29;
5) очень слабая при r<0,19.
Частная классификация корреляционных связей:
1) высокая значимая корреляция при r, соответствующем уровню статистической значимости ρ≤0.01
2) значимая корреляция при r, соответствующем уровню статистической значимости ρ≤0,05;
3) тенденция достоверной связи при r, соответствующем уровню статистической значимости ρ≤0,10;
4) незначимая корреляция при r, не достигающем уровня статистической значимости.
Две эти классификации не совпадают. Первая ориентирована только на величину коэффициента корреляции, а вторая определяет, какого уровня значимости достигает данная величина коэффициента корреляции при данном объеме выборки. Чем больше объем выборки, тем меньшей величины коэффициента корреляции оказывается достаточно, чтобы корреляция была признана достоверной. В результате при малом объеме выборки может оказаться так, что сильная корреляция окажется недостоверной. В то же время при больших объемах выборки даже слабая корреляция может оказаться достоверной.
Обычно принято ориентироваться на вторую классификацию, поскольку она учитывает объем выборки. Вместе с тем, необходимо помнить, что сильная, или высокая, корреляция – это корреляция с коэффициентом r>0,70, а не просто корреляция высокого уровня значимости.
В следующей таблице написаны названия коэффициентов корреляции для различных типов шкал.
|
Дихотомическая шкала (1/0) |
Ранговая (порядковая) шкала |
Интервальная и абсолютная шкала |
Дихотомическая шкала (1/0) |
Коэфициент ассоциации Пирсона, коэффициент четырехклеточной сопряженности Пирсона. |
Рангово-бисериальная корреляция.
|
Бисериальная корреляция |
Ранговая (порядковая) шкала |
Рангово-бисериальная корреляция.
|
Ранговый коэффициент корреляции Спирмена или Кендалла. |
Значения интервальной шкалы переводятся в ранги и используется ранговый коэффициент |
Интервальная и абсолютная шкала |
Бисериальная корреляция |
Значения интервальной шкалы переводятся в ранги и используется ранговый коэффициент |
Коэффициент корреляции Пирсона (коэффициент линейной корреляции) |
При r=0 линейная корреляционная связь отсутствует. При этом групповые средние переменных совпадают с их общими средними, а линии регрессии параллельны осям координат.
Равенство r=0 говорит лишь об отсутствии линейной корреляционной зависимости (некоррелированности переменных), но не вообще об отсутствии корреляционной, а тем более, статистической зависимости.
Иногда вывод об отсутствии корреляции важнее наличия сильной корреляции. Нулевая корреляция двух переменных может свидетельствовать о том, что никакого влияния одной переменной на другую не существует, при условии, что мы доверяем результатам измерений.
В SPSS: 11.3.2 Коэффициенты корреляции
До сих пор мы выясняли лишь сам факт существования статистической зависимости между двумя признаками. Далее мы попробуем выяснить, какие заключения можно сделать о силе или слабости этой зависимости, а также о ее виде и направленности. Критерии количественной оценки зависимости между переменными называются коэффициентами корреляции или мерами связанности. Две переменные коррелируют между собой положительно, если между ними существует прямое, однонаправленное соотношение. При однонаправленном соотношении малые значения одной переменной соответствуют малым значениям другой переменной, большие значения — большим. Две переменные коррелируют между собой отрицательно, если между ними существует обратное, разнонаправленное соотношение. При разнонаправленном соотношении малые значения одной переменной соответствуют большим значениям другой переменной и наоборот. Значения коэффициентов корреляции всегда лежат в диапазоне от -1 до +1.
В качестве коэффициента корреляции между переменными, принадлежащими порядковой шкале применяется коэффициент Спирмена, а для переменных, принадлежащих к интервальной шкале — коэффициент корреляции Пирсона (момент произведений). При этом следует учесть, что каждую дихотомическую переменную, то есть переменную, принадлежащую к номинальной шкале и имеющую две категории, можно рассматривать как порядковую.
Для начала мы проверим существует ли корреляция между переменными sex и psyche из файла studium.sav. При этом мы учтем, что дихотомическую переменную sex можно считать порядковой. Выполните следующие действия:
Выберите в меню команды Analyze (Анализ) Descriptive Statistics (Дескриптивные статистики) Crosstabs... (Таблицы сопряженности)
Перенесите переменную sex в список строк, а переменную psyche — в список столбцов.
Щелкните на кнопке Statistics... (Статистика). В диалоге Crosstabs: Statistics установите флажок Correlations (Корреляции). Подтвердите выбор кнопкой Continue.
В диалоге Crosstabs откажитесь от вывода таблиц, установив флажок Supress tables (Подавлять таблицы). Щелкните на кнопке ОК.
Будут вычислены коэффициенты корреляции Спирмена и Пирсона, а также проведена проверка их значимости: