Duomenų statistinė analizė: koreliacija SPSS (pavyzdys video)

Koreliacija (arba koreliacijos koeficientas) tikimybių teorijoje ir statistikoje yra statistinis ryšys tarp kintamųjų.

Koreliacijos skaičiavimas su SPSS programa padeda nustatyti:     

• Ar atsitiktiniai dydžiai (reiškiniai, kintamieji) yra priklausomi (t.y. vienam didėjant kitas mažėja arba atvirkščiai)?
• Koks yra ryšio stiprumas tarp kintamųjų?
• Ar koreliacija statistiškai reikšminga (neatsitiktinė)?

Koreliacinė analizė: Ar atsitiktiniai dydžiai (reiškiniai, kintamieji) yra priklausomi:

Koreliacinėje analizėje nustatomas statistinio ryšio stiprumas tarp stebėtų kintamųjų, ir jis yra išreiškiamas koeficientu (r). Koreliacija parodo ryšio kryptį – vieno kintamojo reikšmei didėjant, kito kintamojo reikšmė gali didėti arba mažėti. Todėl Koreliacijos koeficientai įgyja reikšmes nuo –1 iki 1. Teigiamas koreliacijos koeficientas rodo, kad vienam kintamajam didėjant, didėja ir kitas kintamasis. Neigiama koreliacija rodo, kad vienam didėjant, kitas kintamasis mažėja. Kuo reikšmė arčiau –1 arba 1, tuo priklausomybė tarp kintamųjų yra stipresnė.

Koreliacijos koeficientų tipai. Pagrindiniai koreliacijos koeficientai:

• Skaitmeniniams duomenims, normalaus skirstinio, n>20 – Pirsono (Pearson)      
•    Ranginiams duomenims, arba skaitmeniniams, jei nenormalus skirstinys arba mažai stebėjimų:

–        Spirmano (Spearman)

–        Kendalo (Kendall)

Pirsono (Pearson) – tiesinio ryšio stiprumo matas. Jis gali būti naudojamas, kai stebimų atsitiktinių dydžių X ir Y skirstiniai yra normalieji (reikšmės yra išmatuotos intervalų arba santykių skalėje).

Intervaliniams kintamiesiems, kuriems normalumo prielaida nėra tenkinama, ir ranginiams kintamiesiems yra skaičiuojamas Spirmeno (Spearman) arba Kendall’o τ-b koreliacijos koeficientas.

Koreliaciją tarp kintamųjų galima SPSS paskaičiuoti taip (pavyzdys):

Norime nustatyti ryšį tarp darbuotojo patirties metais ir jo atlyginimo dydžio:

Koks yra ryšio stiprumas tarp kintamųjų?

 Ar koreliacija statistiškai reikšminga (neatsitiktinė)? P reikšmė

Atliekant koreliacinę analizę visada vertinamas koreliacijos (r) stiprumas bei statistinis reikšmingumas. Koreliacijos stiprumas vertinamas skalėje nuo 0 iki 1 arba nuo 0 iki -1. Jei r=0 – priklausomybės tarp kintamųjų nėra, r =1 arba -1 – kintamieji visiškai priklausomi. Tačiau, norint įsitikinti, kad gauta koreliacija – neatsitiktinis sutapimas, apskaičiuojama p reikšmė. P reikšmė parodo, ar koreliacija statistiškai reikšminga. Koreliacijos statistiniam reikšmingumui įvertinti SPSS gauta p reikšmė dažniausiai palyginama su reikšme α=0,05 (reikšmingumo lygmuo). Koreliacija statistiškai reikšminga, jei SPSS apskaičiuota p reikšmė mažesnė už 0,05. Reikšmingumo lygmenį galima pasirinkti ir didesnį ar mažesnį, tai priklauso nuo tyrimo tikslų.