Учись работать с SPSS!быстрая и профессиональная обработка данных
психологических исследований
Типичные задачи
Легко решаемые
с помощью программы SPSS.
SPSS для профи
Специальные возможности
программы SPSS.
Вопросы и ответы
Часто задаваемые
вопросы по использованию
программы.
  добавить в избранное :: ссылки ::

     :: Коэффициенты корреляции

Главная страничка
Учебники по SPSS
Корреляции <<

 

Частная корреляция

Если исследовать достаточно большую совокупность мужчин и сопоставить размер их обуви с уровнем образованности, то между этими двумя переменными можно заметить хоть и небольшую, но в то же время значимую корреляцию. Это корреляция может послужить примером так называемой ложной корреляции. Здесь статистически значимый коэффициент корреляции является не проявлением некоторой причинной связи между двумя рассматриваемыми переменными, а в большей степени обусловлен некоторой третьей переменной.

В рассматриваемом примере такой переменной является рост. С одной стороны существует некоторая незначительная корреляция между ростом и уровнем образованности, а с другой — вполне объяснимая и логичная связь между ростом и размером обуви. Вместе эти две корреляции приводят к упоминавшейся ложной корреляции. Для исключения одной такой искажающей переменной необходим расчёт так называемой частной корреляции.

Если присвоить коррелирующим переменным индексы 1 и 2, а искажающей переменной — индекс 3, и попарно рассчитать корреляционный коэффициент (Пирсона) r12,r13, и r23 , то для частных корреляционных коэффициентов получим:

Достаточно давно в социологических исследованиях, проводимых в Германии, выяснялось отношение населения к приезжим рабочим-иностранцам. Для этого было сформулировано несколько отдельных вопросов. Ответы на вопросы суммировались. Сумма могла принимать значения от 0 до 30, причём большее значение соответствует более негативному отношению к приезжим рабочим.

Среди многочисленных дополнительных переменных учитывались: возраст опрашиваемых и частота посещения церкви. Последней характеристике были присвоены значения от 1 (никогда) до 6 (по меньшей мере, 2 раза в неделю). Мы обработали небольшую выборку из оригинальных данных опроса (35 респондентов с этими тремя переменными).

Если рассмотреть корреляции между этими тремя переменными, то при выборе коэффициентов Пирсона для анализа взаимосвязи, получатся следующие результаты (закроем глаза на то, что одна из переменных, а именно частота посещения церкви, имеет порядковую шкалу):

Correlations (Корреляции)

ALTER (Возраст)

GAST (Приезжий)

KIRCHE (Церковь)

ALTER (Возраст)

Pearson Correlation (Корреляция по Пирсону) Sig. (2-tailed) (Значимость (2-сторонняя))
N

1
,000
35

,468**
,005
35

,779**
,000
35

GAST (Приезжий)

Pearson Correlation (Корреляция по Пирсону) Sig. (2-tailed) (Значимость (2-сторонняя))
N

,468"
,005
35

1
,000
35

,432**
,010
35

KIRCHE (Церковь)

Pearson Correlation (Корреляция по Пирсону) Sig. (2-tailed) (Значимость (2-сторонняя))
N

,779"
,000
35

,432**
,010
35

1
,000
35

"* Correlation is significant at the .01 level (2-tailed). Корреляция является значимой на уровне 0,01 (2-стороння).

Принимая во внимание полярность, полученные результаты можно трактовать, к примеру, таким образом, что частые посещения церкви коррелируют с отрицательным отношением к приезжим рабочим (r = 0,432). Прежде, чем поставить в упрёк церкви враждебность по отношению к иностранцам, нужно учесть влияние возраста. Он также коррелирует с враждебным отношением к иностранным рабочим (r = 0,468) и сильно коррелирует с частотой посещения церкви (r = 0.779). Таким образом, возникает подозрение, что возраст является искажающим признаком, виновным в ложной корреляции между частотой посещения церкви и отрицательным отношением к иностранным рабочим. Докажем это путём расчёта частных корреляционных коэффициентов.

  •  Откроем файл данных.

  •  Выберем в меню Analyse... (Анализ) Correlate... (Корреляция) Partial... (Частная)

Откроется диалоговое окно Partial Correlations (Частные корреляции).

  •  Перенесем переменные gast и kirche в поле признаков, а переменную alter в поле контрольных переменных и оставим предварительную установку для двухстороннего теста значимости.

При помощи щелчка на кнопке Options... (Опции) наряду с традиционной обработкой пропущенных значений, можно организовать расчёт среднего значения, стандартного отклонения и вывод «корреляций нулевого порядка» (то есть простых корреляционных коэффициентов).

В случае одной искажающей переменной, как в приведенном примере, возможен расчёт частной корреляции первого порядка, при наличии нескольких искажающих переменных, SPSS выдаёт корреляции высших порядков.

  •  Начнем расчёт щелчком на кнопке ОК. В окне просмотра появится следующий результат:

Partial correlation coefficients (Частичные корреляционные коэффициенты)

Controlling for... A (Контрольная переменная) (

LTER Возраст)

GAST (Приезжий)  

GAST
( Приезжий)
1,0000 ( 0)
P= ,

 KIRCHE (Церковь)
,1215 ( 32)
P= ,494

KIRCHE (Церковь) 

,1215 ( 32)
P= ,494

1,0000 ( 0)
P= ,

Вас, возможно, удивит, что в данном случае всё ещё выводится старый вариант таблицы результатов, соответствующий прежним версиям SPSS. Результаты включают: частный корреляционный коэффициент, число степеней свободы (число наблюдений минус 3) и уровень значимости. Исходя из полученных результатов, можно сделать вывод, что при исключении искажающей переменной alter больше не наблюдается существенной корреляции между частотой посещения церкви и отрицательным отношением к иностранным рабочим.

Диалоговое окно Partial Correlations (Частичные корреляции)

назад :: оглавление :: дальше


 
© 2005 learnSPSS.ru. Все права защищены.