SPSS Correlation Analysis Tutorial (Italiano)

Vedere anche Pearson Correlazioni-Introduzione rapida.

• Test di correlazione-Che cos’è?
• Ipotesi nulla
• Ipotesi
• Test di correlazione in SPSS
• Segnalazione

Test di correlazione-Che cos’è?

Una correlazione (Pearson) è un numero compreso tra -1 e +1 che indica in che misura 2 variabili quantitative sono linearmente correlate. È meglio compreso guardando alcuni scatterplots.,

In breve,

• una correlazione di -1 indica una relazione discendente lineare perfetta: punteggi più alti su una variabile implicano punteggi più bassi sull’altra variabile.
• una correlazione di 0 significa che non esiste alcuna relazione lineare tra 2 variabili di sorta. Tuttavia, ci può essere una (forte) relazione non lineare tuttavia.
• una correlazione di 1 indica una relazione lineare ascendente perfetta: punteggi più alti su una variabile sono associati a punteggi più alti sull’altra variabile.,

Ipotesi nulla

Un test di correlazione (di solito) verifica l’ipotesi nulla che la correlazione di popolazione sia zero.I dati spesso contengono solo un campione da una popolazione (molto) più grande: ho intervistato 100 clienti (campione) ma sono davvero interessato a tutti i miei 100.000 clienti (popolazione). I risultati del campione in genere differiscono in qualche modo dai risultati della popolazione. Quindi trovare una correlazione diversa da zero nel mio campione non dimostra che 2 variabili sono correlate nella mia intera popolazione; se la correlazione della popolazione è davvero zero, potrei facilmente trovare una piccola correlazione nel mio campione., Tuttavia, trovare una forte correlazione in questo caso è molto improbabile e suggerisce che la mia correlazione di popolazione non fosse zero dopo tutto.

Test di correlazione – Ipotesi

Calcolare e interpretare i coefficienti di correlazione stessi non richiede alcuna ipotesi. Tuttavia, il test di significatività statistica per le correlazioni presuppone

• osservazioni indipendenti;
• normalità: le nostre 2 variabili devono seguire una distribuzione normale bivariata nella nostra popolazione. Questa ipotesi non è necessaria per dimensioni del campione di N = 25 o più.,Per campioni di dimensioni ragionevoli, il teorema del limite centrale garantisce che la distribuzione del campionamento sia normale.

SPSS – Controllo rapido dei dati

Eseguiamo ora alcuni test di correlazione in SPSS. Useremo gli adolescenti.sav, un file di dati che contiene i dati dei test psicologici su 128 bambini tra i 12 ei 14 anni. Parte della sua vista variabile è mostrata sotto.

Ora, prima di eseguire qualsiasi correlazione, prima di tutto assicuriamoci che i nostri dati siano plausibili., Poiché tutte e 5 le variabili sono metriche, ispezioneremo rapidamente i loro istogrammi eseguendo la sintassi seguente.

Output dell’istogramma

I nostri istogrammi ci dicono molto: le nostre variabili hanno tra 5 e 10 valori mancanti. I loro mezzi sono vicini a 100 con deviazioni standard intorno a 15-il che è buono perché è così che questi test sono stati calibrati. Una cosa mi infastidisce, però, ed è mostrata sotto.,

Sembra che qualcuno abbia segnato zero su alcuni test, il che non è affatto plausibile. Se ignoriamo questo, le nostre correlazioni saranno gravemente prevenute. Ordiniamo i nostri casi, vediamo cosa sta succedendo e impostiamo alcuni valori mancanti prima di procedere.

Se ora rieseguiamo i nostri istogrammi, vedremo che tutte le distribuzioni sembrano plausibili., Solo ora dovremmo procedere all’esecuzione delle correlazioni effettive.

Esecuzione di un test di correlazione in SPSS

Passiamo prima ad Analizzare Correlare Bivariato come mostrato di seguito.

Sposta tutte le variabili rilevanti nella casella variabili. Probabilmente non vuoi cambiare nient’altro qui.

Facendo clic su Incolla si ottiene la seguente sintassi. Facciamolo.

Sintassi delle CORRELAZIONI SPSS

Output di correlazione

Per impostazione predefinita, SPSS crea sempre una matrice di correlazione completa. Ogni correlazione appare due volte: sopra e sotto la diagonale principale. Le correlazioni sulla diagonale principale sono le correlazioni tra ogni variabile e se stessa-motivo per cui sono tutte 1 e non sono affatto interessanti. Le 10 correlazioni sotto la diagonale sono ciò di cui abbiamo bisogno., Come regola generale, una correlazione è statisticamente significativa se la sua ” Sig. (2-coda) ” < 0.05.Ora diamo un’occhiata da vicino ai nostri risultati : la correlazione più forte è tra depressione e benessere generale: r = -0.801. Si basa su N = 117 bambini e il suo significato a 2 code, p = 0.000. Ciò significa che c’è una probabilità 0.000 di trovare questa correlazione campione-o una più grande – se la correlazione effettiva della popolazione è zero.
Nota che il QI non è correlato a nulla. La sua correlazione più forte è 0.152 con ansia ma p = 0.,11 quindi non è statisticamente significativamente diverso da zero. Cioè, c’è una probabilità 0.11 di trovarlo se la correlazione della popolazione è zero. Questa correlazione è troppo piccola per rifiutare l’ipotesi nulla.
In questo modo, le nostre 10 correlazioni indicano in quale misura ogni coppia di variabili sono linearmente correlate. Infine, si noti che ogni correlazione è calcolata su un N leggermente diverso, che va da 111 a 117. Questo perché SPSS utilizza l’eliminazione a coppie dei valori mancanti per impostazione predefinita per le correlazioni.,

Scatterplots

Rigorosamente, dovremmo ispezionare anche tutti i scatterplots tra le nostre variabili. Dopotutto, le variabili che non sono correlate potrebbero ancora essere correlate in qualche modo non lineare. Ma per più di 5 o 6 variabili, il numero di possibili scatterplot esplode, quindi spesso saltiamo l’ispezione. Tuttavia, vedere SPSS-Crea tutti gli strumenti Scatterplots.
La sintassi qui sotto crea solo uno scatterplot, solo per avere un’idea di come appare la nostra relazione. Il risultato non mostra nulla di inaspettato, però.

Segnalazione di un test di correlazione

La figura seguente mostra il formato di base raccomandato dall’APA per la segnalazione delle correlazioni. È importante notare che la tabella indica quali correlazioni sono statisticamente significative a p <0.05 e forse p< 0.01. Vedi anche Correlazioni SPSS in formato APA.

Se possibile, segnala anche gli intervalli di confidenza per le tue correlazioni., Stranamente, SPSS non include quelli. Tuttavia, vedere gli intervalli di confidenza SPSS per lo strumento correlazioni.

Grazie per la lettura!