Программы spss)

Критерии хи-квадрат
	Значение	ст.св.	Асимпт. значимость (2-стор.)
Хи-квадрат Пирсона	24,664 a	4	,000
Отношение правдоподобия	24,770	4	,000
Линейно-линейная связь	,004	1	,948
Кол-во валидных наблюдений	987
a. В 1 (10,0%) ячейке ожидаемая частота меньше 5. Минимальная ожидаемая частота равна 4,42.

можно заключить, что с вероятностью в 99,9 % взаимосвязь между признаками имеется (поскольку значимость нулевой гипотезы 0,0001⁷).

Определим силу связи. Для этого обратимся к табл. 7.3. Приведенные в ней значения коэффициентов Крамера (V = 0,184) и Пирсона (СС = 0,181) говорят, что связь между признаками слабая, хотя и статистически значимая (α = 0,0001).

Для определения направленности связи обратимся к табл. 7.4. Анализ значений коэффициента λ позволяет сделать вывод, что зависимой переменной в большей степени является признак «пол», однако коэффициент статистически не значим. Его интерпретация следующая: зная чувства, испытываемые респондентами при мыслях о будущем, мы на 5,3 % лучше сможем предсказать их гендерную принадлежность, но лишь в 77,6% случаях. В 22,4 % случаях наш прогноз не улучшится (α= 22,4). Но в то же время коэффициент λ = 0 говорит нам о том, что, зная гендерную принадлежность респондентов, мы не можем лучше предсказывать испытываемые ими чувства.

Коэффициент τ чуть более точный. Но оба они не имеют больших значений. В нашем случае он является статистически значимым и подтверждает тот факт, что переменная «пол» является зависимой. Его интерпретация аналогична. Зная чувства, мы на 3,4 % лучше сможем предсказать гендерную принадлежность респондентов в 99,9 % случаях. Таким образом, λ и τ показывают не зависимость признаков (ее наличие или отсутствие), а возможность на основе одних переменных предсказывать другие.

19. Меры связанности для переменных порядковой (ранговой) шкалы.

Если мы используем шкалы, где прослеживается порядок, то возникает вопроскак ведут себя признаки относительно друг друга. При увеличении признака «А» признак «В» растет или падает? Таким образом, вопрос стоит не только о наличии, но и о направлении связи

Существует много коэффициентов хотя ранговых шкал. Все они фиксируют и степень взаимосвязи, и ее направление, все они имеют свою значимость.

В SPSS можно произвести расчет 4-х коэффициентов ранговой корреляции: Гамма (у), d Сомерса, коэффициент корреляции Спимена Гг.). два коэффициента Кендалла (т).

Коэффициенты ранговой корреляции варьируются от -1 до

+1.

Причем если с ростом одного признака второй тоже растет, то коэффициент имеет положительное значение, если с ростом одного признака другой уменьшается, то значение коэффициента отрицательное.

Все критерии связи для порядковых шкал основаны на количестве нарушений порядка (так называемых инверсиях, которые иногда обозначают латинской буквой I). Количество инверсий можно определить следующим образом: первый шаг- располагаем в порядке возрастания значения одной из двух переменных; второй шаг - записываем рядом соответствующее значение 2-й переменной; третий шаг - смотрим на порядок рангов. Число нарушений порядка расположения второй переменной и есть количество инверсий.

Это количество инверсий наряду с количеством совпадений порядка используется в различных формулах для расчета меры связанности, значения которой изменяются в диап

Коэффициент «Гамма» (у)

Коэффициент у измеряет относительное уменьшение ошибки предсказания ранга конкретного наблюдения по зависимой переменной.

Он вычисляется по следующей формуле:

где Ns - число согласованных пар;

Ni - число несогласованных пар.

Если инверсий не наблюдается, то у = 1 (т.е. существует полная зависимость). Если нет согласованных пар (только существуют инверсии), то можно говорить* о максимально разнонаправленной связи, у = -1.

Если мы получаем равное количество согласованных и несогласованных пар, то у = 0. Эта ситуация говорит о том, что монотонной зависимости между признаками не существует.

Коэффициент d Сомерса

Для вычисления коэффициента Сомерса используется формула, аналогичная расчету критерия у, но в нее вводится корректирующий член Ту (или Тх). При этом Тх учитывает количество зависимых переменных (одинаковых значений встречающихся в измерениях). TY соответствует количеству связей независимой переменной.