Студопедия Главная Случайная страница Обратная связь

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Частные корреляции. Выявление ложных корреляций




 

На практике иногда возникают ситуации, когда в результате корреляционного ана­лиза обнаруживаются логически необъяснимые, противоречащие объективному опыту исследователя корреляции между двумя переменными (например, оказы­вается, что между уровнем дохода респондентов и количеством детей в семье сущес­твует статистически значимая зависимость). В этом случае говорят о так называе­мой ложной корреляции, исследовать которую помогают частные коэффициенты корреляции.

Рассмотрим процедуру исследования частных корреляций на следующем приме­ре из маркетингового исследования поведения посетителей залов игровых авто­матов. В результате обработки анкет респондентов были, в частности, получены три интервальные переменные:

■ q47 — возраст;

■ q49 — количество членов семьи;

■ q50 — среднемесячный доход на 1 члена семьи.

Над данными переменными был проведен корреляционный анализ (Пирсона), который выявил логически необъяснимую, но статистически значимую зависи­мость между переменными: Доход и Количество членов семьи (рис. 4.23).


 

Рис. 4.23. Коэффициенты корреляции (Пирсона) для трех переменных: возраст, уровень доходов и количество членов семьи
 
 

 


Как видно из таблицы, обе рассматриваемые переменные коррелируют с третьей переменной Возраст. В такой ситуации корреляция между уровнем дохода респон­дентов и численностью их семей может объясняться влиянием третьей перемен­ной: возраста респондентов. То есть связанными (коррелирующими), на самом деле, являются пары возраст/уровень дохода и возраст/количество членов семьи. Прове­рим данную гипотезу при помощи частных коэффициентов корреляции.

 
 

Откройте диалоговое окно Partial Correlations (меню Analyze ► Correlate ► Partial). В ле­вом списке всех доступных переменных выберите переменные, между которыми обнаружена странная корреляция (q50 Доход и q49 Количество членов семьи), и поместите их в область Variables. Переменную, с которой коррелируют обе исследуе­мые переменные (q47 Возраст), поместите в область Controlling for (рис. 4.24). В этом диалоговом окне больше ничего не изменяйте — просто запустите программу на исполнение, щелкнув на кнопке ОК.

Рис. 4.24. Диалоговое окно Partial Correlations

 


В окне SPSS Viewer появятся результаты расчетов частных коэффициентов кор­реляции (рис. 4.25). В данной таблице первая строка каждой ячейки содержит ко­эффициент корреляции Пирсона, а третья — статистическую значимость данного коэффициента. Из таблицы вы видите, что между количеством членов семьи (q49) и уровнем дохода (q50) больше не наблюдается статистически значимой корреля­ции (Р = 0,520), а коэффициент Пирсона сильно уменьшился (0,0256). Следова­тельно, корреляция, представленная на рис. 4.23, объясняется влиянием третьей переменной Возраст и, таким образом, является ложной.


 
 

Рис. 4.25. Таблица Partial Correlation Coefficients  

 


Поможем в написании учебной работы
Поможем с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой





Дата добавления: 2015-08-30; просмотров: 297. Нарушение авторских прав; Мы поможем в написании вашей работы!

Studopedia.info - Студопедия - 2014-2022 год . (0.013 сек.) русская версия | украинская версия
Поможем в написании
> Курсовые, контрольные, дипломные и другие работы со скидкой до 25%
3 569 лучших специалисов, готовы оказать помощь 24/7