Το Pearson correlation στο SPSS χρησιμοποιείται για να εξετάσεις τη γραμμική σχέση μεταξύ δύο ποσοτικών μεταβλητών. Ο συντελεστής Pearson δείχνει τόσο την κατεύθυνση όσο και την ένταση αυτής της σχέσης. Ωστόσο, ένα αποτέλεσμα δεν ερμηνεύεται σωστά μόνο από την τιμή p. Πρέπει πρώτα να εξετάσεις αν τα δεδομένα είναι κατάλληλα για τη συγκεκριμένη ανάλυση. Στη συνέχεια χρειάζεται να διαβάσεις σωστά τον συντελεστή r. Στον οδηγό αυτό θα δούμε τις προϋποθέσεις, την εκτέλεση στο SPSS και τη σωστή παρουσίαση των αποτελεσμάτων.
Περιεχόμενα άρθρου
1. Τι δείχνει το Pearson correlation στο SPSS;
Ο συντελεστής Pearson συμβολίζεται συνήθως με το γράμμα r. Η τιμή του κυμαίνεται από -1 έως +1. Θετική τιμή δείχνει ότι οι δύο μεταβλητές τείνουν να μεταβάλλονται προς την ίδια κατεύθυνση. Αρνητική τιμή δείχνει ότι μεταβάλλονται προς αντίθετες κατευθύνσεις.
Ας υποθέσουμε ότι εξετάζεις τη σχέση μεταξύ ωρών μελέτης και βαθμολογίας. Αν το r είναι θετικό, περισσότερες ώρες μελέτης συνδέονται με υψηλότερες βαθμολογίες. Αν το r είναι αρνητικό, η αύξηση της μίας μεταβλητής συνδέεται με μείωση της άλλης.
Η τιμή 0 δείχνει απουσία γραμμικής συσχέτισης. Αυτό δεν σημαίνει απαραίτητα ότι οι μεταβλητές δεν σχετίζονται καθόλου. Μπορεί να υπάρχει μη γραμμική σχέση. Ο Pearson δεν περιγράφει αποτελεσματικά μια τέτοια σχέση.
Για αυτό χρειάζεται πάντα να εξετάσεις το διάγραμμα διασποράς. Δύο μεταβλητές μπορεί να έχουν ισχυρή καμπύλη σχέση και χαμηλό r. Αν κοιτάξεις μόνο τον αριθμό, μπορεί να καταλήξεις σε λανθασμένο συμπέρασμα.
Το Pearson correlation στο SPSS εξετάζει συσχέτιση και όχι αιτιότητα. Αν βρεις σχέση μεταξύ άγχους και ποιότητας ύπνου, δεν αποδεικνύεις ότι το ένα προκαλεί το άλλο. Μπορεί να υπάρχει άλλη μεταβλητή που επηρεάζει και τα δύο.
Η διάκριση αυτή είναι ιδιαίτερα σημαντική σε μια πτυχιακή εργασία. Το συμπέρασμα πρέπει να συμφωνεί με τον ερευνητικό σχεδιασμό. Μια συσχετιστική έρευνα επιτρέπει συμπεράσματα για σχέσεις, όχι για αιτιώδεις επιδράσεις.
2. Ποιες προϋποθέσεις έχει το Pearson correlation στο SPSS;
Πριν εφαρμόσεις Pearson, πρέπει πρώτα να εξετάσεις το επίπεδο μέτρησης των μεταβλητών. Συνήθως χρησιμοποιούμε δύο ποσοτικές μεταβλητές. Για παράδειγμα, μπορείς να εξετάσεις ηλικία και βαθμολογία άγχους. Δεν χρησιμοποιείς Pearson για δύο απλές ονομαστικές κατηγορίες.
Οι παρατηρήσεις πρέπει επίσης να είναι ανεξάρτητες. Η τιμή ενός συμμετέχοντα δεν πρέπει να καθορίζει την τιμή κάποιου άλλου. Αυτό το ζήτημα αφορά κυρίως τον σχεδιασμό και τη συλλογή των δεδομένων.
Γραμμικότητα της σχέσης
Μία από τις σημαντικότερες προϋποθέσεις αφορά τη γραμμικότητα. Ο Pearson μετρά συγκεκριμένα γραμμικές σχέσεις. Για αυτό πρέπει να δημιουργήσεις διάγραμμα διασποράς πριν ερμηνεύσεις τον συντελεστή.
Αν τα σημεία σχηματίζουν περίπου ευθεία τάση, η γραμμικότητα φαίνεται εύλογη. Η τάση μπορεί να είναι ανοδική ή καθοδική. Αν σχηματίζεται έντονη καμπύλη, ο Pearson μπορεί να δώσει παραπλανητική εικόνα.
Ακραίες τιμές και Pearson
Ο συντελεστής Pearson επηρεάζεται από ακραίες παρατηρήσεις. Μία μόνο ακραία τιμή μπορεί να αυξήσει σημαντικά το r. Μπορεί επίσης να μειώσει μια πραγματική σχέση που εμφανίζεται στα υπόλοιπα δεδομένα.
Εξέτασε επομένως το διάγραμμα διασποράς πριν προχωρήσεις. Αν εντοπίσεις ακραία παρατήρηση, μην τη διαγράψεις αυτόματα. Έλεγξε πρώτα αν αποτελεί λάθος καταχώρισης. Αν είναι πραγματική τιμή, χρειάζεται μεθοδολογική αιτιολόγηση για οποιαδήποτε απόφαση.
Κανονικότητα και κατανομή
Η κανονικότητα έχει σημασία κυρίως για τη στατιστική συμπερασματολογία γύρω από το Pearson r. Η σχετική υπόθεση αφορά τη κοινή κατανομή των δύο μεταβλητών. Στις συνηθισμένες φοιτητικές αναλύσεις εξετάζουμε παράλληλα την κατανομή των επιμέρους μεταβλητών.
Δεν πρέπει όμως να μετατρέπεις τον έλεγχο κανονικότητας σε μηχανικό φίλτρο. Ένα σημαντικό Shapiro-Wilk δεν σημαίνει αυτομάτως ότι απαγορεύεται ο Pearson. Πρέπει να εξετάσεις το μέγεθος του δείγματος και τη μορφή της απόκλισης.
Αν οι μεταβλητές έχουν διατακτικό χαρακτήρα ή οι προϋποθέσεις δεν υποστηρίζονται, μπορεί να εξετάσεις τον Spearman. Η επιλογή πρέπει να βασίζεται στα δεδομένα και στο ερευνητικό ερώτημα. Δεν επιλέγουμε τεστ μόνο από μία τιμή p.
Ο οδηγός του Curtin University για συσχετίσεις στο SPSS παρουσιάζει επίσης τον έλεγχο γραμμικότητας πριν από την εφαρμογή Pearson.
3. Πώς εκτελείς Pearson correlation στο SPSS;
Αφού ελέγξεις τις προϋποθέσεις, η εκτέλεση στο SPSS είναι σχετικά απλή. Επίλεξε Analyze → Correlate → Bivariate. Θα ανοίξει το παράθυρο για τη διμεταβλητή συσχέτιση.
Μετέφερε στο πεδίο Variables τις δύο μεταβλητές που θέλεις να εξετάσεις. Μπορείς να προσθέσεις περισσότερες από δύο μεταβλητές. Σε αυτή την περίπτωση το SPSS θα δημιουργήσει πίνακα με όλες τις μεταξύ τους συσχετίσεις.
Στην περιοχή των συντελεστών πρέπει να είναι ενεργοποιημένη η επιλογή Pearson. Για τις περισσότερες ερευνητικές υποθέσεις επιλέγεις Two-tailed. Μονόπλευρος έλεγχος χρειάζεται σαφή προηγούμενη υπόθεση για την κατεύθυνση της σχέσης.
Μπορείς επίσης να ενεργοποιήσεις το Flag significant correlations. Το SPSS θα επισημάνει τις στατιστικά σημαντικές συσχετίσεις. Ωστόσο, τα αστεράκια δεν αντικαθιστούν την ανάγνωση της πραγματικής τιμής p.
Αφού πατήσεις OK, εμφανίζεται ο πίνακας Correlations. Για κάθε ζεύγος μεταβλητών θα δεις το Pearson Correlation. Ακριβώς από κάτω εμφανίζεται η τιμή Sig. (2-tailed). Το SPSS παρουσιάζει επίσης το πλήθος των παρατηρήσεων ως N.
Αν χρησιμοποιείς πρώτη φορά το πρόγραμμα, μπορείς να δεις και τον γενικό οδηγό πώς να κάνεις εργασία με το SPSS. Για ολοκληρωμένη επεξεργασία δεδομένων μπορείς επίσης να δεις τις στατιστικές αναλύσεις.
4. Πώς ερμηνεύεις το Pearson r και την τιμή p;
Ας υποθέσουμε ότι το SPSS εμφανίζει r = .46 και p = .002. Το θετικό πρόσημο δείχνει θετική σχέση. Η τιμή .46 δείχνει την ένταση της γραμμικής συσχέτισης. Η τιμή p δείχνει αν το αποτέλεσμα είναι στατιστικά σημαντικό.
Με επίπεδο σημαντικότητας .05, το p = .002 θεωρείται στατιστικά σημαντικό. Επομένως, απορρίπτεις τη μηδενική υπόθεση περί μηδενικής γραμμικής συσχέτισης. Αυτό δεν σημαίνει ότι η σχέση είναι μεγάλη ή σημαντική στην πράξη.
Η στατιστική σημαντικότητα και το μέγεθος της σχέσης είναι διαφορετικές έννοιες. Ένα μεγάλο δείγμα μπορεί να καταστήσει σημαντικό ακόμη και ένα μικρό r. Αντίθετα, ένα μικρό δείγμα μπορεί να μην αναδείξει μια αξιοσημείωτη σχέση.
Πόσο ισχυρό πρέπει να είναι το r;
Δεν υπάρχει ένα καθολικό όριο που να χαρακτηρίζει κάθε συσχέτιση ως ασθενή ή ισχυρή. Η ερμηνεία εξαρτάται από το επιστημονικό πεδίο. Εξαρτάται επίσης από το αντικείμενο που μετράς.
Για αυτό είναι προτιμότερο να αναφέρεις πρώτα την πραγματική τιμή. Στη συνέχεια μπορείς να χρησιμοποιήσεις τις συμβάσεις που ακολουθεί η βιβλιογραφία του πεδίου σου. Μην παρουσιάζεις ένα γενικό όριο ως απόλυτο στατιστικό κανόνα.
Παράδειγμα παρουσίασης Pearson σε πτυχιακή
Μπορείς να γράψεις: «Παρατηρήθηκε στατιστικά σημαντική θετική συσχέτιση μεταξύ εργασιακής ικανοποίησης και οργανωσιακής υποστήριξης, r = .46, p = .002». Η πρόταση παρουσιάζει την κατεύθυνση και το μέγεθος της σχέσης. Παρουσιάζει επίσης τη στατιστική σημαντικότητα.
Αν το p είναι μικρότερο από .001, συνήθως γράφουμε p < .001. Δεν γράφουμε p = .000, ακόμη και αν έτσι εμφανίζεται σε παλαιότερες εκδόσεις του SPSS. Μια πιθανότητα δεν ισούται πραγματικά με μηδέν.
Αν το αποτέλεσμα είναι r = -.38, τότε η σχέση είναι αρνητική. Αυτό σημαίνει ότι υψηλότερες τιμές στη μία μεταβλητή συνδέονται με χαμηλότερες στην άλλη. Δεν σημαίνει ότι η πρώτη μεταβλητή προκαλεί τη μείωση της δεύτερης.
Πριν καταλήξεις στο συμπέρασμα, επέστρεψε και στο διάγραμμα διασποράς. Ένας αριθμός δεν αποτυπώνει πάντα ολόκληρη τη σχέση. Το Pearson correlation στο SPSS αποκτά νόημα όταν συνδυάζεις το r με την πραγματική μορφή των δεδομένων.
5. Χρειάζεσαι βοήθεια με Pearson correlation στο SPSS;
Αν χρειάζεσαι βοήθεια με το Pearson correlation στο SPSS, στείλε μας τα δεδομένα και τα ερευνητικά ερωτήματα της εργασίας. Αν έχεις ήδη ξεκινήσει την ανάλυση, μπορείς να στείλεις και το αρχείο output. Έτσι μπορούμε να εξετάσουμε αν ο Pearson αποτελεί κατάλληλη επιλογή.
Μπορείς επίσης να στείλεις την εκφώνηση ή τις οδηγίες της σχολής. Αν η έρευνα χρησιμοποιεί ερωτηματολόγιο, στείλε και το ίδιο το εργαλείο. Η σωστή επιλογή ανάλυσης εξαρτάται από τον τρόπο μέτρησης των μεταβλητών.
Για πιο άμεση εκτίμηση, συμπλήρωσε τη φόρμα κοστολόγησής μας και επισύναψε τα διαθέσιμα αρχεία. Αν θέλεις πρώτα να περιγράψεις τι χρειάζεσαι, μπορείς να επικοινωνήσεις μαζί μας.