АкушерствоАнатомияАнестезиологияВакцинопрофилактикаВалеологияВетеринарияГигиенаЗаболеванияИммунологияКардиологияНеврологияНефрологияОнкологияОториноларингологияОфтальмологияПаразитологияПедиатрияПервая помощьПсихиатрияПульмонологияРеанимацияРевматологияСтоматологияТерапияТоксикологияТравматологияУрологияФармакологияФармацевтикаФизиотерапияФтизиатрияХирургияЭндокринологияЭпидемиология

Линейная корреляция

Линейный коэффициент корреляции (Pearson correlation coefficient - коэффициент корреляцииПирсона, выборочный коэффициент корреляции, коэффициент корреляции Бравайса-Пирсона) измеряет силу линейной корреляционной связи количественных признаков. Для его вычисления существует целяй ряд формул, которые получаются друг из друга несложными преобразованиями и, поэтому, в теоретическом плане в теоретическом плане являются эквивалентными, но на практике в определенных ситуациях имеют определенные преимущества друг перед другом. Ниже приведены два примера таких формул, часто используемые в психологических исследованиях и рассматриваемые в следующих источниках: (9.1-1) – [2. С.208; 15. С.269; 28. C.170], (9.1-2) – [2. С.209; 26. С.253; 13. С.141].

, (9.1-1)

, (9.1-2)

где все обозначения стандартные (см. с.5 данного Пособия).

Применяя в качестве меры связи коэффициент корреляции Пирсона, необходимо учитывать следующие обстоятельства:

· использование коэффициента Пирсона оправдано тогда, когда совместное распределение пары признаков нормальное или приближенно нормальное; игнорирование этого требования является частой ошибкой, встречаемой в научных публикациях [15. С.270];

· расчет коэффициента Пирсона предполагает, что в выборках одинаковое количество измерений.

Обсуждение коэффициента корреляции Пирсона имеется в многочисленных работах:

· его смысл и применение в психологических исследованиях обсуждаются в [1. С.104-109; 2.С.207-212; 6; 13; 31];

· расчетные формулы и примеры применения приведены в [7; 15; 18; 19; 24; 25; 32; 35];

· математические вероятностно-статистические основания рассмотрены в [5; 8; 12; 14; 17; 20-22; 26-29; 33];

· технология его применения в статистических пакетах обсуждается в следующих работах: для пакета SPSS - [3. С.108-112; 36], для пакета Statistica for Windows – [9. С.404-408; 10. С.38-40; 11. С.386-389], для пакета Stadia – [23].

Задача 9.1-1. Применение линейной корреляции Пирсона
для выявления связи между переменными

Условие: в группе специалистов проведено изучение уровней отсутствия психологического барьера при работе с компьютером (выборка A) и субъективной удовлетворенности деятельностью с применением компьютера (выборка В). Полученные результаты приведены в табл. 9.1-1.

Найти: имеется ли статистически значимая корреляционная связь между показателями, и если – да, то насколько она сильна?

Таблица 9.1-1

Показатели уровней отсутствия психологического
барьера и субъективной удовлетворенности
деятельностью с применением компьютера

Решение:

1. Применим для решения задачи пакет SPSS. Запускаем пакет и вводим исходные данные в таблицу, записывая показатели первой выборки в переменную var00001, а второй – в var00002.

2. Вначале выполним проверку нормальности распределений выборок А и В. (см шаги 2-5 решения задачи 7.1-2). Выполнив проверку, в окне SPSS Viewer (Просмотр результатов) находим таблицу Tests of Normality (Критерии нормальности), содержащую значения для теста Колмогорова-Смирнова: Statistic (Статистика) равна 0,157 для var00001 и 0,173 - для var00002 при одинаковом уровне значимости 0,200. Здесь же приведены значения статистики Шапиро-Уилка: 0,960 для var00001 ( = 0,760) и 0,957 для var00002 ( = 0,723). Хотя оба критерия подтверждают нормальность распределений, но корректным в данном случае является использование критерия Шапиро-Уилка, так как выборки имеют небольшой объем (см. тему 6.1).

3. Теперь, после проверки нормальности, мы можем использовать для выявления связи линейный коэффициент корреляции Пирсона. Для этого в главном меню программы последовательно выбираем команды: Statistics (Статистики) – Correlate (Коррелировать) – Bivariate Correlations (Парные корреляци).

4. В окне парных корреляций задаем переменные var00001 и var00002, затем устанавливаем флажки в следующие поля:

· в разделе Correlation Coefficients (Коэффициенты корреляции) флажком устанавливаем вид коэффициента корреляции - Pearson (Коэффициент Пирсона),

· в разделе Test of Significance (Проверка значимости) выбираем тип используемого критерия значимости - Two-tailed (Двухсторонний),

· ставим флажок в поле Flag significant correlations (Отметка значимых корреляций).

5. Нажав ОК, выполняем саму проверку и переходим в окно SPSS Viewer (Просмотр результатов). Между переменными var00001 и var00002 выявлена статистически значимая корреляционная связь: Pearson Correlation (Коэффициент корреляции Пирсона) 0,762 на уровне Sig. (2-tailed) (Двухсторонняя значимость) 0,010.

Ответ: выявлена сильная и высоко статистически значимая корреляционная связь между рассматриваемыми показателями.

Дата добавления: 2015-01-18 | Просмотры: 1127 | Нарушение авторских прав