Терминология, используемая при выводе

Трактовка терминов, используемых программой в окне вывода, дана далее.

► Наблюдаемая частота (Count) - верхнее из чисел, приведенных в каждой ячейке, равное количеству объектов в соответствующей градации.

► Ожидаемая частота (Expected Count) - среднее из чисел, приведенных в каждой ячейке, равное количеству объектов в соответствующей градации, вычислен-ное в предположении, что переменные, входящие в таблицу сопряженности, являются независимыми.

► Остаток (Residual) - разность между наблюдаемой и ожидаемой частотами.

► Всего (Total) - суммарное число объектов в каждой строке (42 - для жен­щин, 21 - для мужчин) или в каждом столбце (33 - спорт, 30 - искусство).

► Хи-квадрат Пирсона (Pearson Chi-Square) и С поправкой на непрерывность (Continuity Correction) - два варианта критерия - При больших значениях N эти коэффициенты практически равны.

► Значение (Value) - для критерия значение тем больше, чем больше зависи­мость между переменными (как в нашем примере). Значения, близкие к 0, свидетельствуют о независимости переменных.

► Степени свободы (df) - произведение количества градаций переменных, умень­шенных на 1. Для дайной таблицы сопряженности число степеней свободы равно

(2-1)х(2-1)=1.

► Асимптотическая значимость (Asymp. Sig.) - мера случайности связи, или р-уровень значимости, то есть вероятность того, что связь является случайной. Чем меньше эта величина, тем выше статистическая значимость (достовер­ность) связи.

► Линейная связь между переменными (Linear-by-linear Association) - статисти­ческий критерий, определяющий степень корреляции между переменными. Чаще всего результаты этого теста являются бессмысленными, поскольку порядок уровней переменных не имеет логической интерпретации. К при­меру, нет смысла говорить об упорядоченной структуре хобби. Тем не менее, если бы одной из переменных был уровень дохода, упорядоченный по воз­растанию, количественная оценка корреляции несла бы вполне определен­ную смысловую нагрузку.

► Минимальная ожидаемая частота (Minimum expected count) - смысл этого зна­чения в полной мере раскрывается его названием. В рассматриваемой табли­це сопряженности минимальная ожидаемая частота равна 10 - для юношей, увлекающихся искусством.

► Значение (Nominal by Phi) - коэффициент, являющийся мерой связи двух "переменных и вычисляющийся по формуле Значение =-0,472 показывает умеренную связь между двумя переменными.

► Значение V Крамера (Nominal Cramer's V) - как и коэффициент , этот коэф­фициент является мерой связи между двумя переменными, однако отличается тем, что всегда принимает значения от 0 до 1.

► Приблизительная значимость (Approx. sig.) - как и для критерия , является мерой значимости вычисленного значения. Значимость, равная 0,000 (как в нашем примере), говорит о высокой статистической значимости связи.

Корреляции

Для вычисления корреляций между данными в программе SPSS используются команды подменю Корреляция (Correlate) меню Анализ (Analyze). Корреляция пред­ставляет собой величину, заключенную в пределах от -1 до +1, и обозначается буквой r. Понятия корреляция и двумерная корреляция часто употребляются как синонимы; последнее означает «корреляция между двумя переменными» и подчер­кивает, что рассматривается именно двухмерное соотношение. Основной коэффи­циент корреляции r Пирсона предназначен для оценки связи между двумя пере­менными, измеренными в метрической шкале, распределение которых соответству­ет нормальному. Несмотря на то, что величина r рассчитывается в предположении, что значения обеих переменных распределены по нормальному закону, формула для ее вычисления дает достаточно точные результаты и в случаях аномальных распределений, а также в случаях, когда одна из переменных является дискретной. Для распределений, не являющихся нормальными, предпочтительнее пользовать­ся ранговыми коэффициентами корреляции Спирмена или Кендалла. Команды подменю Корреляция (Correlate) позволяют вычислить как коэффициент Пирсона (Pearson), так и коэффициенты Спирмена (Spearman) и Кендалла (Kendall's tau-b). Существуют и другие коэффициенты корреляции, применяющиеся для самых разных типов данных.