Komputery_LB-4.pdf

W. Błaszczak

KOMPUTEROWE ANALIZY DANYCH

LB 4

MODELE KORELACYJNE:

korelacja r Pearsona,

korelacje rzę du zerowego i korelacje cz

du zerowego i korelacje czą stkowe

stkowe

MODELE KORELACYJNE:

korelacje rz

MODELE KORELACYJNE i EKSPERYMENTALNE

• w modelach korelacyjnych „mówimy” o współzmienności, czyli o tym

„co z czym chodzi w parze”

• nie możemy wyciągać wniosków przyczynowo-skutkowych, ponieważ

nie ma manipulacji zmiennymi

• w zależności od skali pomiarowej korelowanych zmiennych mamy do

wyboru np:

(a) współczynnik Pearsona – pomiar ilościowy

(b) współczynnik Spearmana – obie zmienne na skali porządkowej

(d) Phi i V Cramera – dla zmiennych nominalnych

ZAŁOŻENIA: Liniowość rozkładu

• przed analizą należy sprawdzić na Wykresie Rozrzutu czy zależność jest

prostoliniowa

22,00

20,00

18,00

16,00

14,00

12,00

R kwadrat dla Liniowej =

0,115

10,00

12,00

14,00

16,00

18,00

20,00

22,00

ZAŁOŻENIA: Normalność rozkładu

Współczynnik korelacji r-Pearsona jest

testem parametrycznym , więc warunkiem

jego stosowania jest rozkład normalny

obu korelowanych zmiennych.

Testy normalności rozkładu znajdują się w

menu Eksploracja

Testy normalności powiązane są z

wykresami, więc dla przejrzystości

raportu zaznaczamy Pokaż: Wykresy

i klikamy przycisk Wykresy

Zmienne do testowania wprowadzamy jako

zależne

ZAŁOŻENIA: Normalność rozkładu

Ponieważ normalność rozkładów

empirycznych jest często zakłócana przez

przypadki odstające, włączamy wykresy

skrzynkowe dla poszczególnych zmiennych

Testy normalności rozkładu SPSS wygeneruje

po zaznaczeniu opcji Wykresy normalności z

testami

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: