Сравнение более чем двух зависимых выборок

Для сравнения более чем двух зависимых выборок используется тест Фридмана. W-тест Кендала и Q-тест Кохрана. Выберите в меню Analyze (Анализ) Nonparametric Tests (Непараметрические тесты) К Related Samples... (К - связанных выборок). В диалоговом окне Вы увидите, что предварительно установлен тест Фридмана (рис. 4.44). Перенесите по очереди исследуемые переменные, в поле тестируемых переменных и запустите расчёт путём нажатия ОК.

Если щелчкнуть на кнопке Statistics... (Статистики), то появится возможность организовать вывод дескриптивных статистик и квантилей.

Коэффициент согласованности Кендала (W) измеряет степень согласованности между несколькими связанными выборками. Он был специально разработан для проведения тестов в ситуации, когда большое количество рецензентов высказывают своё мнение о большом количестве рецензируемых персон (объектов). Для этого переместите в диалоговом окне Tests for Several Related Samples (рис.4.44) вместо предварительно установленного теста Фридмана активируйте РК-тест Кендала и запустите расчёт путём нажатия ОК.

Тест Q Кохрана может применяться при наличии более чем двух дихотомических переменных. Для этого в диалоговом окне Tests for Several Related Samples (рис. 4.44) активируйте Q-тест Кохрана. Запустите расчёт путём нажатия ОК.

Тест Колмогорова-Смирнова

Тест Колмогорова-Смирнова для проверки формы распределения позволяет проверить, соответствует ли реальное распределение переменной нормальному, равномерному, экспоненциальному распределению или распределению Пуассона. Разумеется, самым распространённым видом проверки является проверка наличия нормального распределения. Выберите в меню Analyze (Анализ) Nonparametric Tests (Непараметрические тесты) 1-Sample KS (К-С одной выборки). Появится диалоговое окно One Sample Kolmogorov-Smirnov Test (Тест Колмогорова-Смирнова для одной выборки) (рис. 4.45). Перенесите исследуемую переменную в поле тестируемых переменных. Предварительно установленной является проверка на нормальное распределение. Если щёлкнуть на кнопке Options... (Опции), то можно дополнительно организовать вывод характеристик дескриптивной статистики и квартилей. Щёлкните на ОК.

Отдельный тест по критерию хи-квадрат

Отдельный тест по критерию хи-квадратпозволяет проверить, насколько значительно отличаются друг от друга наблюдаемые и ожидаемые частоты переменных, относящихся к номинальной шкале. Как правило, при этом ожидаемая частота подчиняется равномерному распределению; однако в SPSS существует возможность задать соответствующие пропорции.

Сначала выберите в меню Data (Данные) Weight Case (Взвесить наблюдения). Исследуемую переменную объявите частотной (см. гл. 8.7), затем выберите в меню Analyze (Анализ) Nonparametric Tests (Непараметрические тесты) Chi-Square (Хи-квадрат) Откроется диалоговое окно Chi-Square Test (рис. 4.46).

Перенесите исследуемую переменную в поле тестируемых переменных. Если же хотите подвергнуть анализу все категории тестируемых переменных, то оставьте в разделе Expected range (Ожидаемый диапазон) включённой опцию Get from Data (Из исходных данных); в противном случае у Вас есть возможность ограничить вовлекаемые категории посредством ввода нижней и верхней границ. Так как ожидаемые частоты одинаковы для всех категорий (была принята гипотеза о равномерном распределении), то эта предварительная установка остаётся в силе. После нажатия кнопки Опции... у Вас появится возможность организовать вывод характеристик дескриптивной статистики и квартилей (что в данном случае является абсолютно бессмысленным). Запустите расчёт путём нажатия ОК.

Биноминальный тест

Биномиальный тест проверяет дихотомические переменные на наличие различия между частотами обоих проявлений признака. Недихотомические переменные могут быть диэтомизированы (разделены на две категории) при помощи задания некоторой разделительной величины. Новой переменной n присваивается статус весовой переменной. Для этого сначала выберите в меню Data (Данные) Weight Cases (Взвесить наблюдения). Укажите переменную n как частотную переменную. Затем выберите в меню Analyze (Анализ) Nonparametric Tests (Непараметрические тесты) Binomial (Биномиальное распределение). Откроется диалоговое окно Binomial Test (рис. 4. 47). Переместите исследуемую переменную в поле тестируемых переменных. Запустите расчет путем нажатия ОК.

Если бы эта переменная не была дихотомической, Вы бы могли в поле Определить дихотомию (Define Dichotomy) ввести разделительную величину для проведения раздвоения (дихотомизации). Предварительно установленная тестовая пропорция (0,50) показывает на ожидаемую относительную частоту появления первой из двух дихотомических категорий. Здесь Вы можете задать и другое значение. После нажатия кнопки Options... (Опции) Вы можете организовать вывод (абсолютно бессмысленных) характеристик дескриптивной статистики.

Анализ последовательностей

При проверке последовательности дихотомических значений переменной выясняется следующий вопрос: идёт ли речь о случайном ряде или ряд построен в соответствии с определённой закономерностью. Для этого выберите в меню Analyze (Анализ) Nonparametric Tests (Непараметрические тесты) Runs (Последовательности) Появится диалоговое окно Runs Test (рис. 4.48). Перенесите исследуемые переменные в поле тестируемых переменных.

Для дихотомических переменных, закодированных при помощи 0 и 1, активируйте в поле Cut Point (Разделительная величина) опцию Custom (Пользовательская) и введите значение 1. Запустите расчёт путём нажатия ОК.

Корреляции

Метод вычисления коэффициента корреляции зависит от вида шкалы, к которой относятся переменные. Представим соотношение между типами шкал, в которых будут измерены переменные и соответствующими мерами связи в виде таблицы.

Типы шкал	Мера связи
Переменная 1	Переменная 2
Интервальная или отношений	Интервальная или отношений	Коэффициент Пирсона
Ранговая, интервальная или отношений	Ранговая, интервальная или отношений	Коэффициент Спирмена
Ранговая	Ранговая	Коэффициент Кендалла
Дихотомическая	Дихотомическая	Четырёхполевая корреляция
Дихотомическая	Ранговая	Рангово-бисериальный
Дихотомическая	Интервальная или отношений	Бисериальный
Интервальная	Ранговая	Не разработан

Проведение корреляционного анализа с помощью программы SPSS – проста и удобна. В программе предложены следующие методы вычисления коэффициента корреляции:

· коэффициент корреляции Пирсона (корреляция моментов произведений).

· ранговая корреляция по Спирману или т (тау-грого-соая) Кендала.

· точечная двухрядная корреляция (одна из двух переменных является дихотомической). Эта возможность в SPSS отсутствует. Вместо этого может быть применён расчёт ранговой корреляции.

· четырёхполевая корреляция (обе переменные являются дихотомическими). Данный вид корреляции рассчитываются в SPSS на основании определения мер расстояния и мер сходства.

Сила связи характеризуется также и абсолютной величиной коэффициента корреляции. Для словесного описания величины коэффициента корреляции используются следующие градации:

Значение	Интерпретация
До 0,2	Очень слабая корреляция
До 0,5	Слабая корреляция
До 0,7	Средняя корреляция
До 0,9	Высокая корреляция
Свыше 0,9	Очень высокая корреляция

Расчёт коэффициента корреляции между двумя недихотомическими переменными рассчитывается тогда, когда связь между ними линейная (однонаправлена). Если связь, к примеру, U-образная (неоднозначная), то коэффициент корреляции непригоден для использования в качестве меры силы связи: его значение стремится к нулю

Для графического представления корреляционной связи можно использовать прямоугольную систему координат с осями, которые соответствуют обеим переменным. Каждая; пара значений маркируется при помощи определенного символа. Такой график, называемый «диаграммой рассеяния» для двух зависимых переменных можно построить путём вызова меню Graphs... (Графики) Scatter plots... (Диаграммы рассеяния).