Случай. Изучается взаимосвзяь двух количественных признаков

В ислледовании GSS у нас 2 количественных признака. Например, возраст и уровень дохода.

Анализ/корреляции/парные. Выбираем Age и rincom. Галочка на Пирсона и Спирмана. Появились две таблицы. Одна — коэффициент Пирсона, другая — Спирмана. Возраст коррелирует с доходом с коэффициентом — 0,095, это во втором столюце, нижней колонке, значит связь обратная => с возрастом уровень дохода снижается. Но по силе эта связь очень слабая, ее практически нет, она меньше 0,3. Корреляция значима на уровне 0,000 (в той же самой ячейке написано) а значит коэффициент корреляции статистически значим, то есть ситуация со взаимосвязью может быть обнаружена в генеральной совокупности с вероятностью ошибки менее 1%.

У коэффициента Пирсона есть 2 ограничения:

1) он некорректно оценивает взаимосвязь, если в данных имеются выбросы (например в нашей зависимости обратная зависимость получиться могла, потому что там оказалось немного «мажоров», в то время как основное население с возрастом увеличивает уровень дохода). В этом случае корректнее использовать коэффициент Спирмена. А как узнать, есть ли выбросы? Нужно посмотреть на график этих данных. Выбираем пункт меню Графика/ Конструктор диаграм / ОК/ выбираем точечную диаграму «рассеяние-точки», чтоб он каждого человечка в виде точек рисовал / выбираем самый первый «простая диаграмма рассеяния», цепляем этот значок и перетаскиваем в поле для построения графика. Открылось дополнительное окошко. Переменную доход rincom тащим на ось y, а возраст по х / ОК. На графике видим, что никакой взаимосвязи нет, и доход не снижается с возрастом. (нет прямой линии свреху вниз по диагонали) Немного выбросов мы увидели. Однозначно, нужно использовать коэффициент Спирмэна.

2) Если взаимосвязь между признаками не линейная, то коэффициент корреляции ее не обнаружит. Обнаружить нелинейную связь можно также по графику и если такая ситуация обнаруживается, то лучше анализировать кусочно-линейные модели. Например, на самом деле график зависимости дохода от возраста выглядит так: с 18 до 40 лет доход увеличивается, после 40 снижается.

2 этап. Визуализация взаимосвзяи, то есть построение графика.

Создать / данные / пишем «время на дорогу в университет» и «частота опозданий», обе переменныен количесвтенные, в одном столбце. Першели на вкладку данные. Пишем любые числа. Анализ, таблицы, обе переменные. Спирмэн и Пирсон. График — конструктор диаграмм — точечная. Перенесли точки. Посмотрели график — он нормальный. Значит верим корреляции.

«Перенести результаты на генеральную совокупность» - означает, что наш результат для 10 человек будет таким же и для 1000.