11,446 matches
-
Dacă cele două variabile întâmplătoare sunt independente, atunci Cov(X,X) = 0. Reciproca nu este întotdeauna valabilă. Pentru distribuția bivariată, Cov(X,X) = (0-2)(1-1.73)(0.06)+(0-2)(2-1.73)(0.04)+...+(4-2)(2-1.73)(0.10) = 0.21 Corelația Pearson este o metodă standardizată pentru a reprezenta dependența lineară dintre două variabile. Este definită astfel și va lua tot timpul valori între -1 și 1. Pentru exemplul de mai sus Ne vor interesa combinațiile și multiplii de variabile întâmplătoare
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
parametrice sau nonparametrice. Le găsim în ANALYZE/COMPARE MEANS ȘI NONPARAMETRIC TESTS. Sunt două seturi de scoruri corelate? Când scorurile de pe o variabilă cresc, scorurile de pe altă variabilă cresc sau descresc? Acest tip de întrebare se pune dacă există o corelație între scorurile de pe una dintre cele două variabile și se răspunde folosind Corelation. Gradul de corelație se obține de asemenea tot cu procedura ANALYZE/ CORRELATE. Cât de bine putem să prezicem un scor față de scorul altor respondenți? Poate dorim să
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
scoruri corelate? Când scorurile de pe o variabilă cresc, scorurile de pe altă variabilă cresc sau descresc? Acest tip de întrebare se pune dacă există o corelație între scorurile de pe una dintre cele două variabile și se răspunde folosind Corelation. Gradul de corelație se obține de asemenea tot cu procedura ANALYZE/ CORRELATE. Cât de bine putem să prezicem un scor față de scorul altor respondenți? Poate dorim să investigăm dacă răspunsul la testul 1 și scorul la testul 2 prezic scorul la testul 3
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
ale celor două variabile. Acest coeficient are valori în intervalul [-1;+1] și cu cât valoarea coeficientului este mai îndepărtată de valoare zero, cu atât există o relație mai puternică între cele două variabile. Figura nr. 7.8: Coeficientul de corelație r a lui Pearsons Pentru a calcula acest coeficient în SPSS se accesează meniul ANALYZE/DESCRIPTIVES/STATISTICS/CROSSTABS unde se apasă butonul Statistics și se bifează opțiunea Correlations. Pentru exemplificare, am ales din baza de date din Barometrul de Opinie
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
Tabel dintre o variabilă calitativă și una cantitativă 7.3.3. Coeficienți de asociere utilizați pentru o variabila nominală/ordinală și una de interval/raport Atunci când o variabilă este cantitativă și una este calitativă, nominală, se poate folosi coeficientul de corelație Eta. În SPSS acest coeficient se calcuează din meniul ANALYZE/ DESCRIPTIVES/ STATISTICS/CROSSTABS bifând opțiunea Eta. Figura nr. 7.11: Coeficientul Eta Fiecare variabilă se va considera pe rând ca fiind dependentă și cealaltă indeendentă. În exemplul de față este
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
Coeficientul poate lua valori în intervalul [0;1]. Directional Measures Value Nominal by Interval Eta Credeți ca în țara noastră lucrurile merg într-o direcție buna sau într-o direcție greșita? Dependent ,219 Vârsta (ani) Dependent ,120 Interpretare: Coeficientul de corelație are valoarea 0,219, prin urmare, putem afirma că există o relație între vârstă și percepția privind direcția în care merg lucrurile în țara noastră, dar această legătura nu este foarte puternică. În cazul în care dorim să analizăm asocierea
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
privind direcția în care merg lucrurile în țara noastră, dar această legătura nu este foarte puternică. În cazul în care dorim să analizăm asocierea între o variabilă calitativă, ordinală, și una de interval sau raport vom apela la coeficientul de corelație r al lui Pearsons. Pentru a testa asocierea între o variabilă nominală și una ordinală, vom utiliza unul din coeficienții de corelație specifici pentru variabilele ordinale. 7.4. Testarea ipotezelor Ipotezele permit măsurarea variabilelor. Orice concept al unui fenomen poate
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
analizăm asocierea între o variabilă calitativă, ordinală, și una de interval sau raport vom apela la coeficientul de corelație r al lui Pearsons. Pentru a testa asocierea între o variabilă nominală și una ordinală, vom utiliza unul din coeficienții de corelație specifici pentru variabilele ordinale. 7.4. Testarea ipotezelor Ipotezele permit măsurarea variabilelor. Orice concept al unui fenomen poate fi măsurat, dacă este integrat într-o definiție operațională adecvată. Toți termenii folosiți în ipoteze trebuie să aibă o definiție operațională. O
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
în diferite dimensiuni; gruparea cazurilor/indivizilor în diferite clase sau grupe; reprezentarea relațiilor dintre obiectele analizate și atributele lor pe o hartă perceptuală. Din clasa tehnicilor de dependență fac parte metode precum: analiza path/modele de ecuații structurale, analiză de corelație canonică, MANOVA, regresie logistică, lineară și non-lineară, regresie cu date categoriale, analiză conjoint, analiză discriminativă multiplă și analiză loglineară. În categaria tehnicilor de independență se încadrează metode precum: analiza factorială, analiza cluster, scalare multidimensională și analiza de corespondență. 8.1
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
regresie cu date categoriale, analiză conjoint, analiză discriminativă multiplă și analiză loglineară. În categaria tehnicilor de independență se încadrează metode precum: analiza factorială, analiza cluster, scalare multidimensională și analiza de corespondență. 8.1. Regresia lineară 8.1.1. Regresia și corelația În cazul variabilelor cantitative, înainte de a vorbi de regresie este necesar să trecem în revistă corelația. Corelația exprimă nivelul de la care variația unei variabile conduce la variația unei alte variabile. De exemplu, există o corelație puternică între mărimea purtată la
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
independență se încadrează metode precum: analiza factorială, analiza cluster, scalare multidimensională și analiza de corespondență. 8.1. Regresia lineară 8.1.1. Regresia și corelația În cazul variabilelor cantitative, înainte de a vorbi de regresie este necesar să trecem în revistă corelația. Corelația exprimă nivelul de la care variația unei variabile conduce la variația unei alte variabile. De exemplu, există o corelație puternică între mărimea purtată la pantof și greutate, dar între mărimea salariului și satisfacția la locul de muncă există o corelație
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
se încadrează metode precum: analiza factorială, analiza cluster, scalare multidimensională și analiza de corespondență. 8.1. Regresia lineară 8.1.1. Regresia și corelația În cazul variabilelor cantitative, înainte de a vorbi de regresie este necesar să trecem în revistă corelația. Corelația exprimă nivelul de la care variația unei variabile conduce la variația unei alte variabile. De exemplu, există o corelație puternică între mărimea purtată la pantof și greutate, dar între mărimea salariului și satisfacția la locul de muncă există o corelație slabă
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
8.1.1. Regresia și corelația În cazul variabilelor cantitative, înainte de a vorbi de regresie este necesar să trecem în revistă corelația. Corelația exprimă nivelul de la care variația unei variabile conduce la variația unei alte variabile. De exemplu, există o corelație puternică între mărimea purtată la pantof și greutate, dar între mărimea salariului și satisfacția la locul de muncă există o corelație slabă 22. Coeficientul de corelație ia valori în intervalul [-1, 1] Figura nr. 8.1: Valori pe care le
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
corelația. Corelația exprimă nivelul de la care variația unei variabile conduce la variația unei alte variabile. De exemplu, există o corelație puternică între mărimea purtată la pantof și greutate, dar între mărimea salariului și satisfacția la locul de muncă există o corelație slabă 22. Coeficientul de corelație ia valori în intervalul [-1, 1] Figura nr. 8.1: Valori pe care le poate lua un individ pe axele Ox și Oy Este vorba practic despre un individ care ia valori pe x și
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
care variația unei variabile conduce la variația unei alte variabile. De exemplu, există o corelație puternică între mărimea purtată la pantof și greutate, dar între mărimea salariului și satisfacția la locul de muncă există o corelație slabă 22. Coeficientul de corelație ia valori în intervalul [-1, 1] Figura nr. 8.1: Valori pe care le poate lua un individ pe axele Ox și Oy Este vorba practic despre un individ care ia valori pe x și y concordanță discordanță O corelație
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
corelație ia valori în intervalul [-1, 1] Figura nr. 8.1: Valori pe care le poate lua un individ pe axele Ox și Oy Este vorba practic despre un individ care ia valori pe x și y concordanță discordanță O corelație de 0 presupune că nu există nici o relație între cele două variabile. De exemplu, ne așteptăm ca între mărimea purtată la pantof și satisfacția la locul de muncă să nu existe nici un fel de corelație. Covarianța a două variabile poate
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
și y concordanță discordanță O corelație de 0 presupune că nu există nici o relație între cele două variabile. De exemplu, ne așteptăm ca între mărimea purtată la pantof și satisfacția la locul de muncă să nu existe nici un fel de corelație. Covarianța a două variabile poate fi pozitivă sau negativă. În cazul în care pe măsură ce o variabilă crește cealaltă scade, vorbim despre corelație negativă. De exemplu, există o corelație negativă între satisfacția la locul de munca și absenteismul cu cât oamenii
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
ca între mărimea purtată la pantof și satisfacția la locul de muncă să nu existe nici un fel de corelație. Covarianța a două variabile poate fi pozitivă sau negativă. În cazul în care pe măsură ce o variabilă crește cealaltă scade, vorbim despre corelație negativă. De exemplu, există o corelație negativă între satisfacția la locul de munca și absenteismul cu cât oamenii sunt mai mulțumiți la locul de muncă, cu atât vor lipsi mai puțin. Când variabilele au fost măsurate pe o scală cu
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
și satisfacția la locul de muncă să nu existe nici un fel de corelație. Covarianța a două variabile poate fi pozitivă sau negativă. În cazul în care pe măsură ce o variabilă crește cealaltă scade, vorbim despre corelație negativă. De exemplu, există o corelație negativă între satisfacția la locul de munca și absenteismul cu cât oamenii sunt mai mulțumiți la locul de muncă, cu atât vor lipsi mai puțin. Când variabilele au fost măsurate pe o scală cu intervale, folosim coeficientul de corelație al
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
o corelație negativă între satisfacția la locul de munca și absenteismul cu cât oamenii sunt mai mulțumiți la locul de muncă, cu atât vor lipsi mai puțin. Când variabilele au fost măsurate pe o scală cu intervale, folosim coeficientul de corelație al lui Pearson, iar când datele sunt de natură ordinală folosim coeficientul de corelație al lui Spearman. Coeficientul de corelație (corel. Pearson) rxy = ryx reprezintă același lucru. Indiferent de tipul coeficientului ales trebuie să realizăm și o diagramă de tip
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
sunt mai mulțumiți la locul de muncă, cu atât vor lipsi mai puțin. Când variabilele au fost măsurate pe o scală cu intervale, folosim coeficientul de corelație al lui Pearson, iar când datele sunt de natură ordinală folosim coeficientul de corelație al lui Spearman. Coeficientul de corelație (corel. Pearson) rxy = ryx reprezintă același lucru. Indiferent de tipul coeficientului ales trebuie să realizăm și o diagramă de tip "scatter" a relației dintre cele două variabile, pentru a verifica dacă relația poate fi
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
muncă, cu atât vor lipsi mai puțin. Când variabilele au fost măsurate pe o scală cu intervale, folosim coeficientul de corelație al lui Pearson, iar când datele sunt de natură ordinală folosim coeficientul de corelație al lui Spearman. Coeficientul de corelație (corel. Pearson) rxy = ryx reprezintă același lucru. Indiferent de tipul coeficientului ales trebuie să realizăm și o diagramă de tip "scatter" a relației dintre cele două variabile, pentru a verifica dacă relația poate fi acceptată ca fiind liniară. Corelația simplă
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
de corelație (corel. Pearson) rxy = ryx reprezintă același lucru. Indiferent de tipul coeficientului ales trebuie să realizăm și o diagramă de tip "scatter" a relației dintre cele două variabile, pentru a verifica dacă relația poate fi acceptată ca fiind liniară. Corelația simplă indică existența unei relații liniare între două variabile. Într-o relație sunt asociate: valorile mici ale lui X cu valori mici ale lui Y; valorile medii ale lui X cu valori mari ale lui Y; valorile mari ale lui
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
ale lui X cu valori mici ale lui Y; valorile medii ale lui X cu valori mari ale lui Y; valorile mari ale lui X cu valorile mici ale lui Y. Această relație nu este surprinsă de un coeficient de corelație cu valoare mică (aproximativ 0), dar poate fi pusă în evidență dacă cele două seturi de date sunt prelucrate grafic. Cu ajutorul diagramei "scatter" avem posibilitatea de a reprezenta teoretic linia cea mai potrivită care să exprime relația între X și
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
avem posibilitatea de a reprezenta teoretic linia cea mai potrivită care să exprime relația între X și Y. Aceasta dreaptă poartă numele de regresie și poate fi exprimată sub forma unei ecuații de forma: X = c +bY. Pătratul coeficientului de corelație (r2 ) indică măsura în care variația lui Y este explicată de variația lui X. Așadar, dacă X corelează cu 0,6 Y, atunci 0,36 din variația lui Y este explicabilă prin variația lui X . Dar, atenție, corelația nu este
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]