SPSS Korrelaatio Analyysi Opetusohjelma

katso Myös Pearson Korrelaatiot – Nopea Käyttöönotto.

• Korrelaatiotesti – mikä se on?
• nollahypoteesi
• Oletukset
• Korrelaatio Testi SPSS
• Raportointi

Korrelaatio Testi – Mikä Se On?

A (Pearson) korrelaatio on luku väliltä -1 ja +1, joka ilmaisee, missä määrin 2 määrälliset muuttujat ovat lineaarisesti toisiinsa. Se on paras ymmärtää katsomalla joitakin scatterplots.,

lyhyesti,

• korrelaatio -1 tarkoittaa täydellistä lineaarista laskeva verrattuna: suurempi tulos on yksi muuttuja tarkoita sitä pienempi tulokset toiseen muuttujaan.
• korrelaatio 0 tarkoittaa, että 2 muuttujan välillä ei ole lineaarista suhdetta lainkaan. Voi kuitenkin olla (vahva) epälineaarinen suhde.
• korrelaatio 1 tarkoittaa täydellistä nouseva lineaarinen suhde: suurempi tulos on yksi muuttuja liittyy korkeampia pisteitä muun muuttujan.,

nollahypoteesi

korrelaatio testi (yleensä) testaa nollahypoteesia, että väestö korrelaatio on nolla.Tiedot sisältävät usein vain näyte on (paljon) suurempi väestö: en tutkituista 100 asiakasta (näyte), mutta olen todella kiinnostunut kaikki minun 100000 asiakasta (väestöstä). Otostulokset poikkeavat tyypillisesti jonkin verran populaatiotuloksista. Niin löytää ei-nolla korrelaatio minun näyte ei todista, että 2 muuttujat eivät korreloi minun koko väestöstä; jos väestö korrelaatio on todella nolla, en voi helposti löytää pieni korrelaatio minun näyte., Vahvan korrelaation löytäminen tässä tapauksessa on kuitenkin hyvin epätodennäköistä ja viittaa siihen, että väestökorrelaationi ei sittenkään ollut nolla.

Korrelaatio Testi – Oletukset

Computing ja tulkkaus korrelaatiokertoimet itse ei vaadi mitään oletuksia. Kuitenkin tilastollinen merkitsevyys-testi korrelaatiot oletetaan,

• riippumattomia havaintoja;
• normaaliuden: meidän 2 muuttujat on noudatettava kahden muuttujan normaalijakauma meidän väestöstä. Tätä oletusta ei tarvita, jos näytteen koko on N = 25 tai enemmän.,Kohtuullisen otoksen koot, keski-raja-lause varmistaa, että näytteenotto jakelu on normaali.

SPSS – Quick Data Check

Let ’ s run some correlation tests in SPSS now. Käytämme nuoria.sav, joka sisältää psykologisia testitietoja 128: sta 12-14-vuotiaasta lapsesta. Osa sen muuttuvasta näkymästä on esitetty alla.

Nyt, ennen käynnissä mitään korrelaatioita, katsotaanpa ensin varmistaa, että tiedot ovat uskottavia ensimmäinen paikka., Koska kaikki 5 muuttujaa ovat metrisiä, tarkastamme niiden histogrammit nopeasti suorittamalla syntaksin alla.

Histogram-Lähtö

– Meidän histogrammit kertoa meille paljon: meidän muuttujat ovat välillä 5 ja 10 puuttuvat arvot. Niiden keinot ovat lähellä 100 keskihajonnat noin 15 -mikä on hyvä, koska se on, miten nämä testit on kalibroitu. Yksi asia kuitenkin vaivaa minua, ja se näkyy alla.,

näyttää siltä, kuin joku teki nolla joitakin testejä -joka ei ole vakuuttava ollenkaan. Jos jätämme tämän huomiotta, korrelaatiomme ovat hyvin puolueellisia. Selvitetään juttumme, katsotaan mitä on tekeillä ja asetetaan puuttuvia arvoja ennen kuin jatkamme.

Jos me nyt uusintana meidän histogrammit, näemme, että kaikki jakaumat näyttävät uskottavalta., Vasta nyt meidän pitäisi jatkaa todellisten korrelaatioiden tutkimista.

Käynnissä Korrelaatio Testi SPSS

katsotaanpa ensin navigoida Analysoida Korreloi Bivariate kuten alla.

Siirrä kaikki asiaankuuluvat muuttujat huomioon muuttujien laatikko. Et varmaan halua muuttaa mitään muuta täällä.

Klikkaamalla Liitä tuloksia syntaksi alla. Tehdään se.

SPSS-korrelaatiot syntaksi

Korrelaatio Tuotos

oletuksena, SPSS luo aina täysi korrelaatio matriisi. Jokainen korrelaatio näkyy kahdesti: päädiagonaalin ylä-ja alapuolella. Pääasiallisen diagonaalin korrelaatiot ovat kunkin muuttujan ja itsensä väliset korrelaatiot-minkä vuoksi ne ovat kaikki 1 eivätkä lainkaan mielenkiintoisia. Diagonaalin alapuolella olevat 10 korrelaatiota ovat sitä, mitä tarvitsemme., Nyrkkisääntönä korrelaatio on tilastollisesti merkitsevä, jos sen ”Sig. (2-tailed)” < 0, 05.Nyt katsotaan tarkasti tuloksiamme : vahvin korrelaatio on masennuksen ja yleisen hyvinvoinnin välillä: r = -0,801. Se perustuu N = 117 lasta ja sen 2-tailed merkitystä, p = 0.000. Tämä tarkoittaa, että on 0.000 todennäköisyys löytää tämän otoksen korrelaatio -tai suurempi – jos todellinen väestöstä korrelaatio on nolla.
Huomaa, että ÄO ei korreloi minkään kanssa. Sen voimakkain korrelaatio on ahdistuksen kanssa 0,152, mutta P = 0.,11 joten se ei tilastollisesti merkittävästi eroa nollasta. Eli on 0,11 mahdollisuus löytää se, jos väestökorrelaatio on nolla. Tämä korrelaatio on liian pieni hylätäkseen nollahypoteesin.
Kuin niin, meidän 10 korrelaatiot osoittavat, missä määrin kunkin parin muuttujat ovat lineaarisesti toisiinsa. Lopuksi huomaa, että jokainen korrelaatio lasketaan hieman eri N-välillä 111-117. Tämä johtuu siitä, että SPSS käyttää oletusarvoisesti puuttuvien arvojen poistoa korrelaatioissa.,

Scatterplots

Ehdottomasti, meidän pitäisi tarkastaa kaikki scatterplots keskuudessa muuttujat sekä. Muuttujat, jotka eivät korreloi, voivat silti liittyä johonkin epälineaariseen tapaan. Mutta yli 5 tai 6 muuttujaa, mahdollisten scatterplots räjähtää, joten me usein jättää tarkastamatta niitä. Kuitenkin, katso SPSS-luo kaikki Scatterplots työkalu.
alla oleva syntaksi luo vain yhden scatterplotin, vain saadakseen käsityksen siitä, miltä suhteemme näyttää. Tulos ei kuitenkaan näytä mitään odottamatonta.

Raportointi Korrelaatio Testi

alla Oleva kuva osoittaa alkeellisinta muodossa suosittelemia APA raportointi korrelaatiot. Tärkeintä, varmista, että taulukko osoittaa, mikä korrelaatiot ovat tilastollisesti merkitseviä p < 0,05 ja ehkä p < 0.01. Katso myös SPSS-korrelaatiot APA-muodossa.

Jos mahdollista, ilmoita luottamusvälit oman korrelaatiot sekä., Kumma kyllä, SPSS ei sisällä niitä. Kuitenkin, katso SPSS luottamusvälit korrelaatiot työkalu.

Kiitos lukemisesta!