Коэффициент корреляции спирмена онлайн калькулятор. Корреляционный анализ спирмена
Калькулятор ниже вычисляет коэффициент ранговой корреляции Спирмена между двумя случайными величинами. Теоретическая часть, чтобы не отвлекаться от калькулятора, традиционно размещается под ним.
add import_export mode_edit delete
Изменения случайных величин
| arrow_upward arrow_downward X | arrow_upward arrow_downward Y | ||
|---|---|---|---|
| mode_edit |
Изменения случайных величин
Импортировать данные Ошибка импорта
Для разделения полей можно использовать один из этих символов: Tab, ";" или "," Пример: -50.5;-50.5
Импортировать Назад Отменить
Метод расчета коэффициента ранговой корреляции Спирмена на самом деле описывается очень просто. Это тот же самый Коэффициент корреляции Пирсона , только рассчитанный не для самих результатов измерений случайных величин, а для их ранговых значений .
То есть,
Осталось только разобраться, что такое ранговые значения и для чего все это нужно.
Если элементы вариационного ряда расположить в порядке возрастания или убывания, то рангом элемента будет являться его номер в этом упорядоченном ряду.
Например, пусть у нас есть вариационный ряд {17,26,5,14,21}. Отсортируем его элементы в порядке убывания {26,21,17,14,5}. 26 имеет ранг 1, 21 - ранг 2 и т.д. Вариационный ряд ранговых значений будет выглядеть следующим образом {3,1,5,4,2}.
То есть, при расчете коэффициента Спирмена исходные вариационные ряды преобразуются в вариационные ряды ранговых значений, после чего к ним применяется формула Пирсона.
Есть одна тонкость - ранг повторяющихся значений берется как среднее из рангов. То есть для ряда {17, 15, 14, 15} ряд ранговых значений будет выглядеть как {1, 2.5, 4, 2.5}, так как первый элемент равный 15 имеет ранг 2, а второй - ранг 3, и .
Если же повторяющихся значений нет, то есть все значения ранговых рядов - числа из диапазона от 1 до n, формулу Пирсона можно упростить до
Ну и кстати, эта формула чаще всего и приводится как формула расчета коэффицента Спирмена.
В чем же суть перехода от самих значений к их ранговым значениям?
А суть в том, что исследуя корреляцию ранговых значений можно установить насколько хорошо зависимость двух переменных описывается монотонной функцией.
Знак коэффициента указывает на направление связи между переменными. Если знак положительный, то значения Y имеют тенденцию увеличиваться при увеличении значений X; если знак отрицательный, то значения Y имеют тенденцию уменьшаться при увеличении значений X. Если коэффициент равен 0, то никакой тенденции нет. Если же коэффициент равен 1 или -1, то зависимость между X и Y имеет вид монотонной функции - то есть, при увеличении X, Y также увеличивается, либо наоборот, при увеличении X, Y уменьшается.
То есть, в отличие от коэффициента корреляции Пирсона, который может выявить только линейную зависимость одной переменной от другой, коэффициент корреляции Спирмена может выявить монотонную зависимость, там, где непосредственная линейная связь не выявляется.
Поясню на примере. Предположим, что мы исследуем функцию y=10/x.
У нас есть следующие результаты измерений X и Y
{{1,10}, {5,2}, {10,1}, {20,0.5}, {100,0.1}}
Для этих данных коэффициент корреляции Пирсона равен -0.4686, то есть связь слабая либо отсутствует. А вот коэффициент корреляции Спирмена строго равен -1, что как бы намекает исследователю, что Y имеет строгую отрицательную монотонную зависимость от X.
Показатель показывает, как отличается полученная при наблюдении сумма квадратов разностей между рангами от случая отсутствия связи.
Назначение сервиса . С помощью данного онлайн-калькулятора производится:
- расчет коэффициента ранговой корреляции Спирмена;
- вычисление доверительного интервала для коэффициента и оценка его значимости;
Коэффициент ранговой корреляции Спирмена относится к показателям оценки тесноты связи. Качественную характеристику тесноты связи коэффициента ранговой корреляции, как и других коэффициентов корреляции, можно оценить по шкале Чеддока .
Расчет коэффициента состоит из следующих этапов:
Свойства коэффициента ранговой корреляции Спирмена
Область применения . Коэффициент корреляции рангов используется для оценки качества связи между двумя совокупностями. Кроме этого, его статистическая значимость применяется при анализе данных на гетероскедастичность .
Пример . По выборке данных наблюдаемых переменных X и Y:
- составить ранговую таблицу;
- найти коэффициент ранговой корреляции Спирмена и проверить его значимость на уровне 2a
- оценить характер зависимости
| X | Y | ранг X, d x | ранг Y, d y |
| 28 | 21 | 1 | 1 |
| 30 | 25 | 2 | 2 |
| 36 | 29 | 4 | 3 |
| 40 | 31 | 5 | 4 |
| 30 | 32 | 3 | 5 |
| 46 | 34 | 6 | 6 |
| 56 | 35 | 8 | 7 |
| 54 | 38 | 7 | 8 |
| 60 | 39 | 10 | 9 |
| 56 | 41 | 9 | 10 |
| 60 | 42 | 11 | 11 |
| 68 | 44 | 12 | 12 |
| 70 | 46 | 13 | 13 |
| 76 | 50 | 14 | 14 |
Матрица рангов.
| ранг X, d x | ранг Y, d y | (d x - d y) 2 |
| 1 | 1 | 0 |
| 2 | 2 | 0 |
| 4 | 3 | 1 |
| 5 | 4 | 1 |
| 3 | 5 | 4 |
| 6 | 6 | 0 |
| 8 | 7 | 1 |
| 7 | 8 | 1 |
| 10 | 9 | 1 |
| 9 | 10 | 1 |
| 11 | 11 | 0 |
| 12 | 12 | 0 |
| 13 | 13 | 0 |
| 14 | 14 | 0 |
| 105 | 105 | 10 |
Проверка правильности составления матрицы на основе исчисления контрольной суммы:
Сумма по столбцам матрицы равны между собой и контрольной суммы, значит, матрица составлена правильно.
По формуле вычислим коэффициент ранговой корреляции Спирмена.
Связь между признаком Y и фактором X сильная и прямая
Значимость коэффициента ранговой корреляции Спирмена
Для того чтобы при уровне значимости α проверить нулевую гипотезу о равенстве нулю генерального коэффициента ранговой корреляции Спирмена при конкурирующей гипотезе H i . p ≠ 0, надо вычислить критическую точку:
где n - объем выборки; ρ - выборочный коэффициент ранговой корреляции Спирмена: t(α, к) - критическая точка двусторонней критической области, которую находят по таблице критических точек распределения Стьюдента, по уровню значимости α и числу степеней свободы k = n-2.
Если |p| < Т kp - нет оснований отвергнуть нулевую гипотезу. Ранговая корреляционная связь между качественными признаками не значима. Если |p| > T kp - нулевую гипотезу отвергают. Между качественными признаками существует значимая ранговая корреляционная связь.
По таблице Стьюдента находим t(α/2, k) = (0.1/2;12) = 1.782
Поскольку T kp < ρ , то отклоняем гипотезу о равенстве 0 коэффициента ранговой корреляции Спирмена. Другими словами, коэффициент ранговой корреляции статистически - значим и ранговая корреляционная связь между оценками по двум тестам значимая.
Назначение рангового коэффициента корреляции
Метод ранговой корреляции Спирмена позволяет определить тесноту (силу) и направление корреляционной связи между двумя признаками или двумя профилями {иерархиями) признаков.
Описание метода
Для подсчета ранговой корреляции необходимо располагать двумя рядами значений, которые могут быть проранжированы. Такими рядами значений могут быть:
1) два признака, измеренные в одной и той же группе испытуемых;
2) две индивидуальные иерархии признаков, выявленные у двух испытуемых по одному и тому же набору признаков (например, личностные профили по 16-факторному опроснику Р. Б. Кеттелла, иерархии ценностей по методике Р. Рокича, последовательности предпочтений в выборе из нескольких альтернатив и др.);
3) две групповые иерархии признаков;
4) индивидуальная и групповая иерархии признаков.
Вначале показатели ранжируются отдельно по каждому из признаков. Как правило, меньшему значению признака начисляется меньший ранг.
Рассмотрим случай 1 (два признака). Здесь ранжируются индивидуальные значения по первому признаку, полученные разными испытуемыми, а затем индивидуальные значения по второму признаку.
Если два признака связаны положительно, то испытуемые, имеющие низкие ранги по одному из них, будут иметь низкие ранги и по другому, а испытуемые, имеющие высокие ранги по одному из признаков, будут иметь по другому признаку также высокие ранги. Для подсчета r s необходимо определить разности (d) между рангами, полученными данным испытуемым по обоим признакам. Затем эти показатели d определенным образом преобразуются и вычитаются из 1. Чем меньше разности между рангами, тем больше будет r s , тем ближе он будет к +1.
Если корреляция отсутствует, то все ранги будут перемешаны и между ними не будет никакого соответствия. Формула составлена так, что вэтом случае r s , окажется близким к 0.
В случае отрицательной корреляции низким рангам испытуемых по одному признаку будут соответствовать высокие ранги по другому признаку, и наоборот.
Чем больше несовпадение между рангами испытуемых по двумя переменным, тем ближе r s к -1.
Рассмотрим случай 2 (два индивидуальных профиля). Здесь ранжируются индивидуальные значения, полученные каждым из 2-х испытуемым по определенному (одинаковому для них обоих) набору признаков. Первый ранг получит признак с самым низким значением; второй ранг - признак с более высоким значением и т.д. Очевидно, что все признаки должны быть измерены в одних и тех же единицах, иначе ранжирование невозможно. Например, невозможно проранжировать показатели по личностному опроснику Кеттелла (16PF ), если они выражены в "сырых" баллах, поскольку по разным факторам диапазоны значений различны: от 0 до 13, от 0 до 20 и от 0 до 26. Мы не можем сказать, какой из факторов будет занимать первое место по выраженности, пока не приведем все значения к единой шкале (чаще всего это шкала стенов).
Если индивидуальные иерархии двух испытуемых связаны положительно, то признаки, имеющие низкие ранги у одного из них, будут иметь низкие ранги и у другого, и наоборот. Например, если у одного испытуемого фактор Е (доминантность) имеет самый низкий ранг, то иу другого испытуемого он должен иметь низкий ранг, если у одного испытуемого фактор С (эмоциональная устойчивость) имеет высший ранг, то и другой испытуемый должен иметь по этому фактору высокий ранг и т.д.
Рассмотрим случай 3 (два групповых профиля). Здесь ранжируются среднегрупповые значения, полученные в 2-х группах испытуемых по определенному, одинаковому для двух групп, набору признаков. В дальнейшем линия рассуждений такая же, как и в предыдущих двух случаях.
Рассмотрим случай 4 (индивидуальный и групповой профили). Здесь ранжируются отдельно индивидуальные значения испытуемого исреднегрупповые значения по тому же набору признаков, которые получены, как правило, при исключении этого отдельного испытуемого - он не участвует в среднегрупповом профиле, с которым будет сопоставляться его индивидуальный профиль. Ранговая корреляция позволит проверить, насколько согласованы индивидуальный и групповой профили.
Во всех четырех случаях значимость полученного коэффициента корреляции определяется по количеству ранжированных значений N. В первом случае это количество будет совпадать с объемом выборки п. Во втором случае количеством наблюдений будет количество признаков, составляющих иерархию. В третьем и четвертом случае N - это также количество сопоставляемых признаков, а не количество испытуемых в группах. Подробные пояснения даны в примерах.
Если абсолютная величина r s достигает критического значения или превышает его, корреляция достоверна.
Гипотезы
Возможны два варианта гипотез. Первый относится к случаю 1, второй - к трем остальным случаям.
Первый вариант гипотез
H 0: Корреляция между переменными А и Б не отличается от нуля.
H 1: Корреляция между переменными А и Б достоверно отличается от нуля.
Второй вариант гипотез
H 0: Корреляция между иерархиями А и Б не отличается от нуля.
H 1: Корреляция между иерархиями А и Б достоверно отличается от нуля.
Графическое представление метода ранговой корреляции
Чаще всего корреляционную связь представляют графически в виде облака точек или в виде линий, отражающих общую тенденцию размещения точек в пространстве двух осей: оси признака А и признака Б (см. Рис. 6.2).
Попробуем изобразить ранговую корреляцию в виде двух рядов ранжированных значений, которые попарно соединены линиями (Рис. 6.3). Если ранги по признаку А и по признаку Б совпадают, то между ними оказывается горизонтальная линия, если ранги не совпадают, то линия становится наклонной. Чем больше несовпадение рангов, тем более наклонной становится линия. Слева на Рис. 6.3 отображена максимально высокая положительная корреляция (r в =+1,0) - практически это "лестница". В центре отображена нулевая корреляция - плетенка с неправильными переплетениями. Все ранги здесь перепутаны. Справа отображена максимально высокая отрицательная корреляция (r s =-1,0) -паутина с правильным переплетением линий.
Рис. 6.3. Графическое представление ранговой корреляции:
а) высокая положительная корреляция;
б) нулевая корреляция;
в) высокая отрицательная корреляция
Ограничения коэффициента ранговой корреляции
1. По каждой переменной должно быть представлено не менее 5 наблюдений. Верхняя граница выборки определяется имеющимися таблицами критических значений (Табл.XVI Приложения 1), а именно N ≤40.
2. Коэффициент ранговой корреляции Спирмена r s при большом количестве одинаковых рангов по одной или обеим сопоставляемым переменным дает огрубленные значения. В идеале оба коррелируемых ряда должны представлять собой две последовательности несовпадающих значений. В случае, если это условие не соблюдается, необходимо вносить поправку на одинаковые ранги. Соответствующая формула дана в примере 4.
Пример 1 - корреляция между двумя признаками
Висследовании, моделирующем деятельность авиадиспетчера (Одерышев Б.С., Шамова Е.П., Сидоренко Е.В., Ларченко Н.Н., 1978), группа испытуемых, студентов физического факультета ЛГУ проходила подготовку перед началом работы на тренажере. Испытуемые должны были решать задачи по выбору оптимального типа взлетно-посадочной полосы для заданного типа самолета. Связано ли количество ошибок, допущенных испытуемыми в тренировочной сессии, с показателями вербального и невербального интеллекта, измеренными по методике Д. Векслера?
Таблица 6.1
Показатели количества ошибок в тренировочной сессии и показатели уровня вербального и невербального интеллекта у студентов-физиков (N=10)
|
Испытуемый |
Количество ошибок |
Показатель вербального интеллекта |
Показатель невербального интеллекта |
|
Сначала попробуем ответить на вопрос, связаны ли между собой показатели количества ошибок и вербального интеллекта.
Сформулируем гипотезы.
H 0: Корреляция между показателем количества ошибок в тренировочной сессии и уровнем вербального интеллекта не отличается от нуля.
H 1 : Корреляция между показателем количества ошибок в тренировочной сессии и уровнем вербального интеллекта статистически значимо отличается от нуля.
Далее нам необходимо проранжировать оба показателя, Приписывая меньшему значению меньший ранг, затем подсчитать разности между рангами, которые получил каждый испытуемый по двум переменным (признакам), и возвести эти разности в квадрат. Произведем все необходимые расчеты в таблице.
В Табл. 6.2 в первой колонке слева представлены значения по показателю количества ошибок; в следующей колонке - их ранги. В третьей колонке слева представлены значения по показателю вербального интеллекта; в следующем столбце - их ранги. В пятом слева представлены разности d между рангом по переменной А (количество ошибок) и переменной Б (вербальный интеллект). В последнем столбце представлены квадраты разностей - d 2 .
Таблица 6.2
Расчет d 2 для рангового коэффициента корреляции Спирмена r s при сопоставлении показателей количества ошибок и вербального интеллекта у студентов-физиков (N=10)
|
Испытуемый |
Переменная А количество ошибок |
Переменная Б вербальный интеллект. |
d (ранг А - |
J 2 |
|||||||
|
Индивидуальные значения |
Индивидуальные значения | ||||||||||
Коэффициент ранговой корреляции Спирмена подсчитывается по формуле:
где d - разность между рангами по двум переменным для каждого испытуемого;
N - количество ранжируемых значений, в. данном случае количество испытуемых.
Рассчитаем эмпирическое значение r s:
Полученное эмпирическое значение г s близко к 0. И все же определим критические значения r s при N=10 по Табл. XVI Приложения 1:
Ответ: H 0 принимается. Корреляция между показателем количества ошибок в тренировочной сессии и уровнем вербального интеллекта не отличается от нуля.
Теперь попробуем ответить на вопрос, связаны ли между собой показатели количества ошибок и невербального интеллекта.
Сформулируем гипотезы.
H 0: Корреляция между показателем количества ошибок в тренировочной сессии и уровнем невербального интеллекта не отличается от 0.
H 1: Корреляция между показателем количества ошибок в тренировочной сессии и уровнем невербального интеллекта статистически значимо отличается от 0.
Результаты ранжирования и сопоставления рангов представлены в Табл. 6.3.
Таблица 6.3
Расчет d 2 для рангового коэффициента корреляции Спирмена r s при сопоставлении показателей количества ошибок и невербального интеллекта у студентов-физиков (N=10)
|
Испытуемый |
Переменная А количество ошибок |
Переменная Е невербальный интеллект |
d (ранг А - |
d 2 |
|||
|
Индивидуальные |
Индивидуальные | ||||||
|
значения |
значения | ||||||
Мы помним, что для определения значимости r s неважно, является ли он положительным или отрицательным, важна лишь его абсолютная величина. В данном случае:
r s
эмп Ответ:
H 0
принимается. Корреляция между показателем
количества ошибок в тренировочной
сессии и уровнем невербального интеллекта
случайна, r s
не отличается от 0. Вместе
с тем, мы можем обратить внимание на
определенную тенденцию отрицательной
связи
между этими двумя переменными. Возможно,
мы смогли бы ее подтвердить на статистически
значимом уровне, если бы увеличили объем
выборки. Пример 2 - корреляция
между индивидуальными профилями
В исследовании,
посвященном проблемам ценностной
реориента-ции, выявлялись иерархии
терминальных ценностей по методике М.
Рокича у родителей и их взрослых детей
(Сидоренко Е.В., 1996). Ранги терминальных
ценностей, полученные при обследовании
пары мать-дочь (матери - 66 лет, дочери -
42 года) представлены в Табл. 6.4. Попытаемся
определить, как эти ценностные иерархии
коррелируют друг с другом. Таблица 6.4
Ранги терминальных
ценностей по списку М.Рокича в
индивидуальных иерархиях матери и
дочери Терминальные ценности Ранг ценностей в Ранг ценностей в d
2
иерархии матери иерархии дочери 1 Активная деятельная жизнь 2 Жизненная
мудрость 3 Здоровье 4 Интересная
работа 5 Красота
природы и искусство 7 Материально
обеспеченная жизнь 8 Наличие хороших и
верных друзей 9 Общественное
признание 10 Познание 11 Продуктивная
жнзнь 12 Развитие 13 Развлечения 14 Свобода 15 Счастливая семейная жизнь 16 Счастье
других 17 Творчество 18 Уверенность
в себе Сформулируем
гипотезы. H 0:
Корреляция
между иерархиями терминальных ценностей
матери и дочери не отличается от нуля. H 1:
Корреляция между иерархиями терминальных
ценностей матери и дочери статистически
значимо отличается от нуля. Поскольку
ранжирование ценностей предполагается
самой процедурой исследования, нам
остается лишь подсчитать разности между
рангами 18 ценностей в двух иерархиях.
В 3-м и 4-м столбцах Табл. 6.4 представлены
разности d
и
квадраты этих разностей d
2
.
Определяем
эмпирическое значение r s
по формуле: где d
-
разности между рангами по каждой из
переменных, в данном случае по каждой
из терминальных ценностей; N
-
количество переменных, образующих
иерархию, в данном случае количество
ценностей. Для данного примера: По
Табл. XVI
Приложения 1 определяем критические
значения: Ответ:
H 0
отвергается.
Принимается H 1 .
Корреляция между иерархиями терминальных
ценностей матери и дочери статистически
значима (р<0,01) и является положительной. По данным Табл.
6.4 мы можем определить, что основные
расхождения приходятся на ценности
"Счастливая семейная жизнь",
"Общественное признание" и
"Здоровье", ранги остальных ценностей
достаточно близки. Пример 3 - корреляция
между двумя групповыми иерархиями
Джозеф
Вольпе в книге, написанной совместно с
сыном (Wolpe
J.,
Wolpe
D.,
1981) приводит упорядоченный перечень из
наиболее часто встречающихся у
современного человека "бесполезных",
по его обозначению, страхов, которые
не несут сигнального значения и лишь
мешают полноценно жить и действовать.
В отечественном исследовании, проведенном
М.Э. Раховой (1994) 32 испытуемых должны
были по 10-балльной шкале оценить,
насколько актуальным для них является
тот или иной вид страха из перечня
Вольпе 3 .
Обследованная выборка состояла из
студентов Гидрометеорологического и
Педагогического институтов
Санкт-Петербурга: 15 юношей и 17 девушек
в возрасте от 17 до 28 лет, средний возраст
23 года. Данные, полученные
по 10-балльной шкале, были усреднены по
32 испытуемым, и средние проранжированы.
В Табл. 6.5 представлены ранговые
показатели, полученные Дж. Вольпе и М.
Э. Раховой. Совпадают ли ранговые
последовательности 20 видов страха? Сформулируем
гипотезы. H 0:
Корреляция
между упорядоченными перечнями видов
страха в американской и отечественных
выборках не отличается от нуля. H 1:
Корреляция между упорядоченными
перечнями видов страха в американской
и отечественной выборках статистически
значимо отличается от нуля. Все расчеты,
связанные с вычислением и возведением
в квадрат разностей между рангами разных
видов страха в двух выборках, представлены
в Табл. 6.5. Таблица 6.5
Расчет
d
для
рангового коэффициента корреляции
Спирмена при сопоставлении упорядоченных
перечней видов страха в американской
и отечественной выборках Виды страха Ранг в американской выборке Ранг в российской Страх
публичного выступления Страх
полета Страх
совершить ошибку Страх
неудачи Страх
неодобрения Страх
отвержения Страх
злых люден Страх
одиночества Страх
крови Страх
открытых ран Страх
дантиста Страх
уколов Страх
прохождения тестов Страх
полиции ^милиции) Страх
высоты Страх
собак Страх
пауков Страх
искалеченных людей Страх
больниц Страх
темноты Определяем
эмпирическое значение
r s: По
Табл. XVI
Приложения 1 определяем критические
значения г s
при N=20: Ответ:
H 0
принимается. Корреляция между
упорядоченными перечнями видов страха
в американской и отечественной выборках
не достигает уровня статистической
значимости, т. е. значимо не отличается
от нуля. Пример
4 - корреляция между индивидуальным и
среднегрупповым профилями
Выборке
петербуржцев в возрасте от 20
до
78
лет
(31
мужчина, 46 женщин),
уравновешенной по возрасту таким
образом, что лица в возрасте старше 55
лет составляли в
ней
50% 4 ,
предлагалось ответить на вопрос: "Какой
уровень развития каждого из перечисленных
ниже качеств необходим для депутата
Городского собрания Санкт-Петербурга?"
(Сидоренко Е.В., Дерманова И.Б., Анисимова
О.М., Витенберг Е.В., Шульга А.П., 1994).
Оценка
производилась по 10-балльной шкале.
Параллельно с этим обследовалась выборка
из депутатов и кандидатов в депутаты
в Городское собрание Санкт-Петербурга
(n=14).
Индивидуальная диагностика политических
деятелей и претендентов производилась
с помощью Оксфордской системы
экспресс-видеодиагностики по тому же
набору личностных качеств, который
предъявлялся выборке избирателей. В Табл.
6.6 представлены средние значения,
полученные для каждого из качеств в
выборке
избирателей ("эталонный ряд") и
индивидуальные значения одного из
депутатов Городского собрания. Попытаемся
определить, насколько индивидуальный
профиль депутата К-ва коррелирует с
эталонным профилем. Таблица 6.6
Усредненные
эталонные оценки избирателей (п=77) и
индивидуальные показатели депутата
К-ва по 18 личностным качествам
экспресс-видеодиагностики Наименование качества Усредненные эталонные
оценки избирателей Индивидуальные показатели депутата
К-ва 1. Общий уровень культуры 2. Обучаемость 4. Способность к творчеству нового 5.. Самокритичность 6. Ответственность 7. Самостоятельность 8. Энергия, активность 9. Целеустремленность 10. Выдержка, самообладание И. Стойкость 12. Личностная зрелость 13. Порядочность 14. Гуманизм 15. Умение общаться с людьми 16. Терпимость к чужому мнению 17. Гибкость поведения 18. Способность производить благоприятное
впечатление Таблица 6.7
Расчет
d
2
для
рангового коэффициента корреляции
Спирмена между эталонным и индивидуальным
профилями личностных качеств депутата Наименование качества ранг качества в эталонном профиле Ряд 2: ранг качества в индивидуальном
профиле d
2
1 Ответственность 2 Порядочность 3 Умение общаться с людьми 4 Выдержка, самообладание 5 Общий уровень культуры 6 Энергия, активность 8 Самокритичность 9 Самостоятельность 10 Личностная зрелость И Целеустремленность 12 Обучаемость 13 Гуманизм 14 Терпимость к чужому мнению 15 Стойкость 16 Гибкость поведения 17 Способность производить благоприятное
впечатление 18 Способность к творчеству нового Как
видно из Табл. 6.6, оценки избирателей и
индивидуальные показатели депутата
варьируют в разных диапазонах.
Действительно оценки избирателей были
получены по 10-балльной шкале, а
индивидуальные показатели по
экспресс-видеодиагностике измеряются
по 20-ти балльной шкале. Ранжирование
позволяет нам перевести обе шкалы
измерения в единую шкалу, где единицей
измерения будет 1 ранг, а максимальное
значение составит 18 рангов. Ранжирование, как
мы помним, необходимо произвести отдельно
по каждому ряду значений. В данном случае
целесообразно начислять большему
значению меньший ранг, чтобы сразу можно
было увидеть, на каком месте по значимости
(для избирателей) или по выраженности
(у депутата) находится то или иное
качество. Результаты
ранжирования представлены в Табл. 6.7.
Качества перечислены в последовательности,
отражающей эталонный профиль. Сформулируем
гипотезы. H 0:
Корреляция между индивидуальным профилем
депутата К-ва и эталонным профилем,
построенным по оценкам избирателей, не
отличается от нуля. H 1:
Корреляция между индивидуальным профилем
депутата К-ва и эталонным профилем,
построенным по оценкам избирателей,
статистически значимо отличается
от нуля. Поскольку в обоих сопоставляемых
ранговых рядах присутствуют группы одинаковых
рангов, перед подсчетом коэффициента
ранговой корреляции
необходимо внести поправки на одинаковые
ранги Т а
и Т
b
: где а
-
объем
каждой группы одинаковых рангов в
ранговом ряду А,
b
-
объем
каждой группы одинаковых рангов в
ранговом ряду В. В
данном случае, в ряду А (эталонный
профиль) присутствует одна группа
одинаковых рангов - качества "обучаемость"
и "гуманизм" имеют один и тот же
ранг 12,5; следовательно, а
=2. T а =(2 3 -2)/12=0,50. В ряду
В (индивидуальный профиль) присутствует
две группы одинаковых рангов, при этом
b
1
=2
и
b
2
=2.
T a =[(2 3 -2)+(2 3 -2)]/12=1,00 Для
подсчета эмпирического значения r s
используем формулу В данном случае: Заметим,
что если бы поправка на одинаковые ранги
нами не вносилась, то величина r s
была бы лишь на (на 0,0002) выше: При
больших количествах одинаковых рангов
изменения г 5
могут оказаться гораздо более
существенными. Наличие одинаковых
рангов означает меньшую степень
дифференцированное™ упорядоченных
переменных и, следовательно, меньшую
возможность оценить степень связи между
ними (Суходольский Г.В., 1972, с.76). По
Табл. XVI
Приложения 1 определяем критические
значения г, при N=18: Ответ:
Hq
отвергается.
Корреляция между индивидуальным профилем
депутата К-ва и эталонным профилем,
отвечающим требованиям избирателей,
статистически значима (р<0,05) и является
положительной. Из
Табл. 6.7 видно, что депутат К-в имеет
более низкий ранг по шкалам Умения
общаться с людьми и более высокие ранги
по шкалам Целеустремленности и Стойкости,
чем это предписывается избирательским
эталоном. Этими расхождениями, главным
образом, и объясняется некоторое снижение
полученного r s . Сформулируем
общий алгоритм подсчета r s . Дисциплина "высшая математика" у некоторых вызывает неприятие, так как поистине не всем дано ее понять. Но те, кому посчастливилось изучать этот предмет и решать задачи, используя различные уравнения и коэффициенты, могут похвастаться практически полной в ней осведемленности. В психологической науке существует не только гуманитарная направленность, но и определенные формулы и способы для математической проверки выдвигаемой в ходе исследований гипотезы. Для этого применяются различные коэффициенты. Это распространенное измерение по определению тесноты связи между какими-либо двумя признаками. Коэффициент еще называют непараметрическим методом. Он показывает статистику связи. То есть мы знаем, например, что у ребенка агрессия и раздражительность связаны между собой, а коэффициент корреляции рангов Спирмена показывает статистическую математическую связь этих двух признаков. Естественно, что для всех математических определений или величин существуют свои формулы, по которым они вычисляются. Ею обладает и коэффициент корреляции Спирмена. Формула у него следующая: С первого взгляда формула не совсем понятна, но если разобраться, все очень легко вычисляется: Для применения рангового коэффициента необходимо, чтобы количественные данные признака были проранжированы, то есть им был присвоен определенный номер в зависимости от места, на котором расположен признак, и от его значения. Доказано, что два ряда признаков, выраженных в числовом виде, несколько параллельны между собой. Коэффициент ранговой корреляции Спирмена определяет степень этой параллельности, тесноты связи признаков. Для математической операции по расчету и определению связи признаков с помощью указанного коэффициента нужно произвести некоторые действия: К основным свойствам коэффициента Спирмена относят следующие: Для проверки связи признаков между собой необходимо выполнить определенные действия: Самой первой наукой, где активно использовался этот коэффициент, была психология. Ведь это наука, не основывающаяся на цифрах, однако для доказательства каких-либо важных гипотез, касающихся развития отношений, черт характера людей, знаний студентов, требуется статистическое подтверждение выводов. Также его используют в экономике, в частности, при валютных оборотах. Здесь оцениваются признаки без статистики. Очень удобен коэффициент ранговой корреляции Спирмена в этой области применения тем, что оценка производится независимо от распределения переменных, так как они заменяются ранговым числом. Активно применяется коэффициент Спирмена в банковском деле. Социология, политология, демография и другие науки также используют его в своих исследованиях. Результаты получаются быстро и максимально точно. Удобно и быстро используется коэффициент корреляции Спирмена в Excel. Здесь существуют специальные функции, которые помогают быстро получить необходимые значения. Кроме того, что мы узнали про коэффициент корреляции Спирмена, существуют еще различные корреляционные коэффициенты, позволяющие измерить, оценить качественные признаки, связь между количественными признаками, тесноту связи между ними, представленными в ранговой шкале. Это такие коэффициенты, как биссериальный, рангово-биссериальный, контенгенции, ассоциации, и так далее. Коэффициент Спирмена очень точно показывает тесноту связи, в отличие от всех остальных методов ее математического определения. Ранговая корреляция Спирмена
(корреляция рангов). Ранговая корреляция Спирмена - самый простой способ определения степени связи между факторами. Название метода свидетельствует о том, что связь определяют между рангами, то есть рядами полученных количественных значений, ранжированных в порядке убывания или возрастания. Надо иметь в виду, что, во-первых, ранговое корреляцию Не рекомендуется проводить, если связь пар меньше четырех и больше двадцати; во-вторых, ранговая корреляция позволяет определять связь и в другом случае, если значение имеют полуколичественный характер, то есть не имеют числового выражения, отражают четкий порядок следования этих величин; в-третьих, ранговое корреляцию целесообразно применять в тех случаях, когда достаточно получить приблизительные данные. Пример расчета коэффициента ранговой корреляции для определения вопрос: замеряют вопросник X и Y подобные личностные качества испытуемых. С помощью двух вопросников (X и Y), которые требуют альтернативных ответов "да" или "нет", получили первичные результаты - ответы 15 испытуемых (N = 10). Результаты подали в виде суммы утвердительных ответов отдельно для вопросника X и для вопросника В. Эти результаты сведены в табл. 5.19. Таблица 5.19. Табулирование первичных результатов для расчета коэффициента ранговой корреляции по Спирмену (р) *
Анализ сводной корреляционной матрицы. Метод корреляционных плеяд. Пример. В табл. 6.18 приведены интерпретации одиннадцати переменных, которые тестируют по методике Векслера. Данные получили на однородной выборке в возрасте от 18 до 25 лет (n = 800). Перед расслаиванием корреляционную матрицу целесообразно ранжировать. Для этого в исходной матрицы вычисляют средние значения коэффициентов корреляции каждой переменной со всеми остальными. Затем по табл. 5.20 определяют допустимые уровни расслоение корреляционной матрицы при заданных доверительной вероятности 0,95 и n - количества Таблица 6.20. Восходящая корреляционная матрица
Обозначения: 1 - общая осведомленность; 2 - понятийнисть; 3 - внимательность; 4 - вдатнисть К обобщения; б - непосредственное запоминание (на цифрах) 6 - уровень освоения родном языке; 7 - скорость овладения сенсомоторном навыками (кодирование символами) 8 - наблюдательность; 9 - комбинаторные способности (к анализу и синтезу) 10 - способность к организации частей в осмысленное целое; 11 - способность к эвристического синтеза; M (rij) - среднее значение коэффициентов корреляции переменной с остальными переменных наблюдений (в нашем случае n = 800): r (0) - значение нулевой "Рассекая" плоскости - минимальная значимая абсолютная величина коэффициента корреляции (n - 120, r (0) = 0,236; n = 40, r (0) = 0,407) | Δr | - допустимый шаг расслоения (n = 40, | Δr | = 0,558) в - допустимое количество уровней расслоения (n = 40, s = 1 ; n = 120, s = 2); r (1), r (2), ..., r (9) - абсолютное значение секущей плоскости (n = 40, r (1) = 0,965). Для n = 800 находим значение гтип и границ ги после чего Расслаивающая ранжированы корреляционную матрицу, выделяя корреляционные плеяды внутри слоев, или отделяем части корреляционной матрицы, вырисовывая объединения корреляционных плеяд для вышележащих слоев (рис. 5.5). Содержательный анализ полученных плеяд выходит за пределы математической статистики. Надо отметить два формальные показатели, которые помогают при содержательной интерпретации плеяд. Одним существенным показателем служит степень вершины, то есть количество ребер, примыкающих к вершине. Переменная с наибольшим количеством ребер является "ядром" плеяды и ее можно рассматривать как индикатор остальных переменных этой плеяды. Другой существенный показатель - плотность связи. Переменная может иметь меньше связей в одной плеяде, но теснее, и больше связей в другой плеяде, однако менее тесных. Предсказания и оценки. Уравнение у = b1x + b0 называется общим уравнением прямой. Оно свидетельствует о том, что пары точек (x, y), которые Рис. 5.5. Корреляционные плеяды, полученные расслоением матрицы
лежат на некоторой прямой, связанные так, что для любого значения х величину в в находящегося с ним в паре, можно найти, умножив х на некоторое число b1 добавив вторых, число b0 к этому произведению. Коэффициент регрессии позволяет определить степень изменения следственной фактора при изменении причинного фактора на одну единицу. Абсолютные величины характеризуют зависимость между переменными факторами по их абсолютными значениями. Коэффициент регрессии вычисляют по формуле: Планирование и анализ экспериментов. Планирование и анализ экспериментов - это третья важная отрасль статистических методов, разработанных для нахождения и проверки причинных связей между переменными. Для исследования многофакторных зависимостей в последнее время все чаще используют методы математического планирования эксперимента. Возможность одновременного варьирования всеми факторами позволяет: а) уменьшить количество опытов; б) свести ошибку эксперимента к минимуму; в) упростить обработку полученных данных; г) обеспечить наглядность и легкость по сравнению результатов. Каждый фактор может приобретать некоторую соответствующее количество различных значений, которые называются уровнями и обозначают -1, 0 и 1. Фиксированный набор уровней факторов определяет условия одного из возможных опытов. Совокупность всех возможных сочетаний вычисляют по формуле: Полным факторным экспериментом называется эксперимент, в котором реализуются все возможные сочетания уровней факторов. Полные факторные эксперименты могут обладать свойством ортогональности. При ортогональном планировании факторы в эксперименте является некоррелированными, коэффициенты регрессии, которые высчитывают в итоге, определяют независимо друг от друга. Важным преимуществом метода математического планирования эксперимента является его универсальность, пригодность во многих областях исследований. Рассмотрим пример сравнения влияния некоторых факторов на формирование уровня психического напряжения в регулировщиков цветных телевизоров. В основу эксперимента положен ортогональный План 2 три (три фактора изменяются на двух уровнях). Эксперимент проводили с полным части 2 +3 с трехкратным повторением. Ортогональное планирование базируется на построении уравнения регрессии. Для трех факторов оно выглядит так: Обработка результатов в этом примере включает: а) построение ортогонального плана 2 +3 таблице для расчета; б) вычисления коэффициентов регрессии; в) проверку их значимости; г) интерпретацию полученных данных. Для коэффициентов регрессии упомянутого уравнения надо было поставить N = 2 3 = 8 вариантов, чтобы иметь возможность оценить значимость коэффициентов, где количество повторений К равнялось 3. Составлена матрица планирования эксперимента выглядела.
Коэффициент корреляции Спирмена
Как вычисляется ранговый коэффициент?
Область применения математической меры связи
Свойства коэффициента корреляции
Как проверить полученное значение?
Где лучше использовать эту величину
Какие еще коэффициенты корреляции существуют?
Переменные
1
2
3
4
бы
0
7
8
0
10
11
M (rij)
Ранг
1
1
0,637
0,488
0,623
0,282
0,647
0,371
0,485
0,371
0,365
0,336
0,454
1
2
1
0,810
0,557
0,291
0,508
0,173
0,486
0,371
0,273
0,273
0,363
4
3
1
0,346
0,291
0,406
0,360
0,818
0,346
0,291
0,282
0,336
7
4
1
0,273
0,572
0,318
0,442
0,310
0,318
0,291
0,414
3
5
1
0,354
0,254
0,216
0,236
0,207
0,149
0,264
11
6
1
0,365
0,405
0,336
0,345
0,282
0,430
2
7
1
0,310
0,388
0,264
0,266
0,310
9
8
1
0,897
0,363
0,388
0,363
5
9
1
0,388
0,430
0,846
6
10
1
0,336
0,310
8
11
1
0,300
10
