Корреляционный анализ данных

Для проведения корреляционного анализа в SPSS необходимо последовательно выбрать следующие режимы «Анализ» ‒ «Корреляция» ‒ «Парные» (рис. 20). При этом исходные данные должны располагаться в соответствующей таблице. При необходимости можно рассчитать частные корреляции или метрическое расстояние.

Корреляционный анализ данных

В открывшейся экранной форме следует выбрать переменные, корреляцию между которыми требуется рассчитать (рис. 21).

Корреляционный анализ данных

Типичными математическими критериями корреляции являются:

  • линейная корреляция по К. Пирсону;
  • корреляция Тау-b Кендалла;
  • ранговая корреляция по Ч. Спирмену.

При этом корректность выбора параметрического или непараметрического критерия лежит на пользователе (для оценки характера распределения переменной можно дополнительно воспользоваться χ2-критерием). Опционно указывается направленность корреляции (одно- или двухсторонний критерий).

По результатам корреляционного анализа формируется итоговая интеркорреляционная («квадратная») таблица с указанием соответствующего коэффициента корреляции, уровня значимости, объема выборки (рис. 22).

Корреляционный анализ данных

Значимые показатели отмечаются надстрочным индексом «*», «**» или «***» (р=0,05, р=0,01 или р=0,001, соответственно).

При необходимости результаты анализа можно экспортировать в иные программные продукты (например, Microsoft Word или Excel).

Данная функция активируется нажатием правой кнопкой мыши при наведении курсора на необходимые (экспортируемый) элемент.

Пользователю доступен расчет метрических расстояний. Соответствующая процедура вычисляет любую статистику из широкого набора статистик, измеряющих либо сходства, либо различия (расстояния), причем либо между парами переменных, либо между парами наблюдений. Эти меры сходства или расстояния могут быть затем использованы в других процедурах, таких как факторный анализ, кластерный анализ или многомерное масштабирование, например, для того чтобы помочь анализировать сложные наборы данных.

Для интервальных данных доступны следующие метрики: расстояния Евклида, метрики Чебышева и др.; для частот: хи-квадрат и фи-квадрат; для бинарных данных: расстояния Евклида, различие размеров, различие структур и др. Мерами сходства для интервальных данных являются: коэффициент корреляции и косинус.

Для двоичных данных: Рассел и Рао, простая мера совпадений, Танимото, Лямбда, Y Юла, Q Юла, Очиай, Сокал, Снит и др. Расчет метрических расстояний инициируется последовательным выбором следующих режимов (опций): «Анализ» – «Корреляция» – «Расстояния».

Узнай цену консультации

"Да забей ты на эти дипломы и экзамены!” (дворник Кузьмич)