4.2.1. Парные корреляции

CORRELATIONS /VARIABLES = v9 lnv14m /PRINT = TWOTAIL NOSIG.

для обычного коэффициента корреляции и

NONPAR CORR /VARIABLES = v10 v9 v14 /PRINT = SPEARMAN.

или:

NONPAR CORR /VARIABLES = v10 WITH v9 v14 /PRINT = KENDALL.

для ранговых корреляций.

Подкоманда /VARIABLES в этих командах указывает список переменных или два списка переменных, разделенных словом WITH. Если указывается один список переменных, то рассчитываются коэффициенты корреляции каждой переменной с каждой переменной (квадратная таблица). Если указываются два списка, разделенные служебным словом WITH, то рассчи-тываются коэффициенты корреляции всех переменных, расположенных слева от WITH, с переменными, расположенными справа (прямоугольная таблица). Ключевое слово WITH можно использовать только в окне синтаксиса.

Процедура CORRELATIONS выводит: r - коэффициент корреляции Пирсона; число наблюдений (объектов) в скобках и значимость коэффициента корреляции. Коэффициент корреляции Пирсона между переменными X и Y вычисляется по формуле

Г = Е ( -X) Y - y)/(N -I)SXSY .

i=1

Коэффициент корреляции может принимать значения от -1 до +1. При этом значимый отрицательный коэффициент корреляции позволяет принять гипотезу о наличии линейной отрицательной связи. Метод, используемый для проверки гипотезы, предполагает также двумерную нормальность распределения (X, Y). На практике это соответствует тому, что увеличению значения одной переменной в большинстве случаев соответствует уменьшение значения коррелирующей с ней переменной. Значимый положительный коэффициент корреляции свидетельствует о положительной

связи переменных: увеличению одной переменной соответствует увеличение другой.

Насколько полученное значение коэффициента корреляции не случайно, определяется по величине значимости (Sig. (2-tailed)) - вероятности получить большее, чем выборочное значение коэффициента корреляции. Для оценки значимости коэффициента Пирсона используется критерий t = = r х (N - 2) / (1 - r2)0,5, который в условиях нормальности и независимости переменных имеет распределение Стьюдента. Таким образом, наряду с формулировкой нулевой гипотезы здесь формулируется предположение о двумерной нормальности - довольно жесткое условие.

Для оценки значимости коэффициентов Спирмена и Кендалла используется нормальная аппроксимация этих коэффициентов. По сути, коэффициент ранговой корреляции является коэффициентом корреляции между переменными, преобразованными в ранги (или процентили), поэтому для исследования значимости с помощью этих коэффициентов не требуется делать предположения о распределении данных. Пример выдачи коэффициентов Спирмена представлен в табл. 4.15. Не обнаруживается значимой связи возраста и образования (что вполне естественно), но среднемесячный душевой доход связан с образованием (это мы уже показывали).

Таблица 4.15

Коэффициенты корреляции Спирмена (Spearman's rho) V9 Возраст V14 Ср.мес. душевой доход в семье V10 Образование Correlation Coefficient -,021 -,086 Sig. (2-tailed) ,574 ,026 N 692 671