Порядковые и метрические шкалы.

Связь между переменными определяется как корреляция. Корреляция показывает как изменение одной переменной влияет на изменение другой переменной. В программе SPSS реализован принцип вычисления коэффициентов корреляций Пирсона, Кендела и Спирмена. Вообще пользователь может использовать любой коэффициент, хотя есть небольшие нюансы: коэффициент Спирмена лучше реагирует на порядковую шкалу, коэффициент Пирсона и Кендела – на интервальную. Хотя как показывают результаты вычислений – можно пользоваться практически любым коэффициентом, так как их значения довольно близки.

Коэффициенты корреляции варьируются от -1 до 1. Чем ближе значение к 1 – тем сильнее связь между переменными. Знак минус свидетельствует об обратной связи. Общий принцип интерпретирования значений сводится к следующему:

· До 0,5 – слабая корреляция[14]

· До 0,7 – средняя корреляция

· До 0,9 – сильная корреляция

· Свыше 0,9 – очень сильная корреляция

Рассмотрим процедуру расчета корреляции в программе SPSS. В меню Analyze нужно выбрать Correlate (Корреляции) и затем Bivariate (Парные). Откроется диалоговое окно.

Рис.34. Расчет корреляций в программе SPSS.

 

В данном окне нужно перенести в правое поле пары переменных, в отношение которых проверяется связь. В данном примере мы проверяем зависимость между возрастом респондентов и уровнем образования. Обратите внимание, что обе переменные изменяются по восходящему принципу – мы можем проставить возраст от самого маленького до самого большого, и аналогично – с уровнем образования. для расчета корреляций поставим галочку в окошке Pearson (расчет корреляции Пирсона). В окне Test of Significance (тест значимости) по умолчанию стоит значение двустороннего (Two-tailed). Поскольку часто мы не знаем о характере направленности связи, то оставляем этот флажок без изменения. Аналогично стоит по умолчанию флажок «показывать значимость». Нажимаем кнопку ОК. в результате в окне вывода будут получены данные результата расчета коэффициента корреляции Пирсона.

Рис.35. Результаты расчета коэффициента корреляции.

 

Перед нами таблица, в которой представлены результаты расчета корреляции. Обратите внимание, что по диагонали стоят единицы – это и естественно, переменная, разумеется, находится в самой высокой корреляционной связи сама с собой. Значения коэффициентов находятся на пересечении переменных. В данном примере мы получили высокую прямую связь (коэффициент 0,895), которая показывает, что в нашем случае, у респондентов - чем больше возраст, тем выше уровень образования.

Весьма важным является статистическая значимость полученного результата. Степень этой значимости рассчитана во второй строке, напротив sig. (значимость). В нашем примере она очень высока (0,000). Существует правило, согласно которому, если sig. меньше, чем 0,05, то связь статистически значима. Другая интерпретация этого значения – вероятность ошибки менее 5%. В нашем примере вероятность ошибки – менее 1% или на 99% эта связь не случайна и значима.

Знак ** дополнительно свидетельствует о наличии высокой статистической значимости вычисленного коэффициента.