сделать домашней  добавить в избранное  карта сайта RSS
 

Вебинары HRM.RU

Прогноз эффективности кандидатов на основе тестов
Начало 26.05.2017 12.00 (по московскому времени)

Полный список вебинаров

События

полный список

Последние обсуждения

  21.09.2018 12:05:31
Более 100 специалистов по охране труда поборются за звание лучших
  17.09.2018 15:44:41
Компания 3М включена в Индекс устойчивого развития Доу Джонса 19-й год подряд
  16.08.2018 23:54:41
HR журналы
  09.08.2018 13:21:32
Вакансия - Менеджер в сфере B2B (Промопродукция)
  29.07.2018 6:08:11
Самоукиной Натальи Настольная книга менеджера по персоналу: полное практическое руководство


Опросы
  Актуальные направления работы HR вашей организации 2017
Все опросы


SPSS: Компьютерный анализ данных в психологии и социальных науках. Корреляции

      Тематические разделы:
      Психология, теории HR
      Психология, теории HR : Социальная психология
      Книги

      Дата публикации: 04.07.2017






      Корреляции
      l Понятие корреляции
      128
      130
      | Дополнительные сведения
      f Пошаговые алгоритмы вычислений
      f Печать результатов и выход из программы
      135 i Представление результатов
      .
      Для вычисления корреляций между данными в программе SPSS используются
      команды подменю Correlate (Корреляция) меню Analyze (Анализ). Корреляция пред-
      ставляет собой величину, заключенную в пределах от -1 до +1, и обозначается
      буквой г. Понятия корреляция и двумерная корреляция часто употребляются как
      синонимы; последнее означает «корреляция между двумя переменными» и подчер-
      кивает, что рассматривается именно двухмерное соотношение. Основной коэффи-
      циент корреляции г Пирсона предназначен для оценки связи между двумя пере-
      менными, измеренными в метрической шкале, распределение которых соответству-
      ет нормальному. Несмотря на то что величина г 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 пользовать-
      ся ранговыми коэффициентами корреляции Спирмена или Кендалла. Команды
      подменю Correlate (Корреляция) 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, однако их описание выходит за рамки темы этой книги.
      Понятие корреляции
      Корреляция, или коэффициент корреляции, — это статистический показатель ве-
      роятностной связи между двумя переменными, измеренными в количественной
      шкале. В отличие от функциональной связи, при которой каждому значению одной
      переменной соответствует строго определенное значение другой переменной,
      вероятностная связь характеризуется тем, что каждому значению одной перемен-
      ной соответствует множество значений другой переменной. Примером вероятно-
      стной связи является связь между ростом и весом людей. Ясно, что один и тот

      Понятие корреляции 127
      ента корреляции меняется от -1 до 1. Крайние значения соответствуют линей-
      ной функциональной связи между двумя переменными, 0 — отсутствию связи.
      Наглядное представление о связи двух переменных дает график двухмерного рас-
      сеивания — соответствующая команда Scatter (Рассеивание) имеется в меню Graphs
      (Графики). На таком графике каждый объект представляет собой точку, коорди-
      наты которой заданы значениями двух переменных. Таким образом, множество
      объектов представляет собой на графике множество точек. По конфигурации это-
      го множества точек можно судить о характере связи между двумя переменными.
      Строгая положительная корреляция (perfect positive correlation) определяется
      значением г - 1. Термин «строгая» означает, что значения одной переменной од-
      нозначно определяются значениями другой переменной, а термин «положитель-
      ная» — что с возрастанием значений одной переменной значения другой пере-
      менной также возрастают.
      Строгая корреляция является математической абстракцией и практически не
      встречается в реальных исследованиях. Примером строгой корреляции является
      соответствие между временем пути и пройденным расстоянием при неизменной
      скорости.
      Положительная корреляция соответствует значениям 0 < г < 1. Положительную
      корреляцию следует интерпретировать следующим образом: если значения одной
      переменной возрастают, то значения другой имеют тенденцию к возрастанию.
      Чем коэффициент корреляции ближе к 1, тем сильнее эта тенденция, и обратно,
      с приближением коэффициента корреляции к 0 тенденция ослабевает.
      Примером значительной положительной корреляции служит зависимость меж-
      ду ростом и весом человека. Считается, что в этом случае коэффициент корреля-
      ции равен г = 0,83. Слабая положительная корреляция (г = 0,12) наблюдается
      между способностью человека к сочувствию и реальной помощью, которую он
      оказывает нуждающимся людям.
      Отсутствие корреляции (no correlation) определяется значением г = 0. Нулевой
      коэффициент корреляции говорит о том, что значения переменных никак не свя-
      заны друг с другом. Примером пары величин с нулевой корреляцией является
      рост человека и результат его IQ-теста.
      Отрицательная корреляция соответствует значениям -1 < г < 0. Если значения
      одной переменной возрастают, то значения другой имеют тенденцию к убыванию.
      Чем коэффициент корреляции ближе к -1, тем сильнее эта тенденция, и обратно,
      с приближением коэффициента корреляции к 0 тенденция ослабевает.
      Слабая отрицательная корреляция (г- -0,13) наблюдается между агрессивностью
      человека по отношению к своему другу и помощью, которую он ему оказывает.
      Чем агрессивней человек, тем помощь меньше, однако зависимость выражена
      слабо. Примером значительной отрицательной корреляции (г = -0,73) служит
      зависимость между нервной возбудимостью человека и его эмоциональной урав-
      новешенностью. Чем выше оказывается результат его теста па возбудимость, тем
      более низкий результат имеет его тест на уравновешенность.

      Глава 9. Корреляции
      Строгая отрицательная корреляция (perfect negative correlation) определяется
      значением г = -1. Она, так же как и строгая положительная корреляция, являет-
      ся абстракцией и не находит отражения в практических исследованиях. Пример,
      иллюстрирующий строгую отрицательную корреляцию, можно взять из школь-
      ного учебника физики: при равномерном движении расстояние равно произведе-
      нию времени на скорость. При заданном расстоянии время и скорость являются
      обратно пропорциональными величинами: чтобы пройти путь за половину вре-
      мени, необходимо идти вдвое быстрее.
      Дополнительные сведения
      Линейная и криволинейная корреляции
      Основной коэффициент корреляции г Пирсона является мерой прямолинейной
      связи между переменными: его значения достигают максимума, когда точки на
      графике двухмерного рассеивания лежат на одной прямой линии. В реальной
      жизни отношения между переменными часто оказываются не только вероятност-
      ными, но и непрямолииейиыми: монотонными или немонотонными. Если связь
      нелинейная, но монотонная, то вместо г Пирсона следует использовать ранговые
      корреляции Спирмена или Кеидалла.
      Нередко связь между двумя переменными является не только нелинейной, но
      и немонотонной. В качестве примера рассмотрим такие два фактора, как нервное
      возбуждение перед экзаменом и успешность его сдачи. Исследования показы-
      вают, что студенты, испытывающие умеренное нервное возбуждение, имеют
      наилучшие результаты па экзаменах, в то время как очень спокойные или очень
      нервные студенты сдают экзамены значительно хуже. Если но оси абсцисс отло-
      жить степень нервного возбуждения, а по оси ординат — результаты сдачи экза-
      менов, то график зависимости между ними примет вид, близкий к перевернутой
      букве U. При этом любой коэффициент корреляции, вычисленный для этих
      величин, окажется весьма низким. Это объясняется тем, что для немонотонных
      отношений нужны другие методы оценки корреляции. Частично мы коснем-
      ся этих методов в главах 15 и 16, посвященных видам регрессионного анализа.
      Перед тем как оценивать корреляцию двух переменных, рекомендуется постро-
      ить график зависимости между ними — график двухмерного рассеивания. Если
      график демонстрирует монотонность связи, то для вычисления корреляции
      можно использовать команды подменю Correlate (Корреляция).
      Ранговые корреляции
      Как уже отмечалось, необходимость в применении ранговых корреляций возни-
      кает в двух случаях: когда распределение хотя бы одной из двух переменных не
      соответствует нормальному и когда связь между переменными является нели-
      нейной (по монотонной). В этих случаях вместо корреляции г Пирсона можно

      выбрать ранговые корреляции: г Спирмеиа либо т (читается «тау») Кемдалла.
      Ранговыми они являются потому, что программа предварительно ранжирует
      переменные, между которыми они вычисляются.
      Корреляцию г Спирмепа программа SPSS вычисляет следующим образом:
      сначала переменные переводятся в ранги, а затем к рангам применяется фор-
      мула г Пирсона. Таким образом, г Спирмеиа интерпретируется по аналогии с г
      Пирсона. Иначе дело обстоит с корреляцией т Кепдалла, которая имеет вероят-
      ностную природу.
      Рассмотрим принцип вычисления т Кендалла на примере. Предположим, оце-
      нивается связь между ростом и весом в группе людей, предварительно ранжи-
      рованных по этим переменным. Тогда при сравнении любых двух человек из
      этой группы возможны две ситуации: однонаправленное изменение переменных
      («совпадение»), когда и рост, и вес одного больше, чем другого, и разнонаправ-
      ленное изменение («инверсия»), когда рост у второго больше, а вес меньше, чем
      у первого. Перебрав все пары испытуемых, можно оценить вероятность совпа-
      дений (Р) и вероятность инверсий (Q). Корреляция Кендалла — это разность
      вероятностей «совпадений» и «инверсий»: т = Р - Q. По значению корреляции
      Кендалла можно всегда вычислить вероятность «совпадений» (Р = (1 + т)/2)
      и «инверсий» (Q = (1 - т)/2). Например, если корреляция между ростом и весом
      т - 0,5, то вероятность «совпадений» (чем больше рост, тем больше вес) Р - 0,75,
      а вероятность «инверсий» (чем больше рост, тем меньше вес) Q = 0,25. Таким
      образом, важным преимуществом корреляции т Кепдалла является ее отчетли-
      вая вероятностная интерпретация.
      Значимость
      Как и большинство статистических процедур, команды подменю Correlate (Кор-
      реляция) наряду с описательными статистиками (корреляциями в данном слу-
      чае) вычисляют их уровень значимости. Напомним, что уровень значимости яв-
      ляется мерой статистической достоверности результата вычислений, в данном
      случае — корреляции, и служит основанием для интерпретации. Если исследование
      показало, что уровень значимости корреляции не превышает 0,05, то это означает,
      что с вероятностью 5 % и менее корреляция является случайной. Обычно это
      является основанием для вывода о статистической достоверности корреляции.
      В противном случае (р > 0,05) связь признается статистически недостоверной
      и не подлежит содержательной интерпретации.
      SPSS позволяет определять два теста значимости: односторонний (one-tailed)
      и двусторонний (two-tailed). Обычно используется двусторонний тест значи-
      мости. Но если вы заранее знаете направление корреляции (положительное или
      отрицательное) и вас интересует только одно направление, то можно исполь-
      зовать односторонний тест значимости. Однако такая ситуация встречается
      редко, а если и встречается, то правомерность односторонней проверки с трудом
      поддается обоснованию.

      Частная корреляция
      Понятие частной корреляции (partial correlation) связано с ковариацией, разго-
      вор о которой пойдет в главе 14. Здесь мы упоминаем частную корреляцию лишь
      как одну из команд подменю Correlate (Корреляция). Суть частной корреляции
      заключается в следующем. Если две переменные коррелируют, то всегда можно
      предположить, что эта корреляция обусловлена влиянием третьей переменной,
      как общей причины совместной изменчивости первых двух переменных. Для про-
      верки этого предположения достаточно исключить влияние этой третьей пере-
      менной и вычислить корреляцию двух переменных без учета влияния третьей
      переменой (при фиксированных ее значениях). Корреляция, вычисленная таким
      образом, и называется частной. Например, при исследовании связи между скоро-
      стью чтения и зрелостью моральных суждений у детей разного возраста наверняка
      будет обнаружена корреляция этих двух переменных. Ответ на вопрос, связаны
      ли они непосредственно, или связь обусловлена возрастом, позволяет дать частная
      корреляция. Если при фиксированных значениях возраста частная корреляция
      скорости чтения и зрелости моральных суждений нриближается'к нулю, то можно
      заключить, что связь между этими переменными обусловлена возрастом.
      Пошаговые алгоритмы вычислений
      В пошаговых процедурах приведено несколько примеров, иллюстрирующих
      применение команд подменю Correlate (Корреляция). В качестве файла данных
      используется файл exOl.sav с входящими в него пятью переменными тест!, ...,
      тест5. Сначала выполняются три подготовительных шага.
      .
      Шаг 1 Создайте новый файл данных или подготовьте существующий. Все необхо-
      димые действия описаны в главе 3.
      Шаг 2 Запустите программу SPSS при помощи значка на рабочем столе или ко-
      й манды Пуск > Программы > SPSS for Windows > SPSS 11.0 for Windows (Start >
      Programs > SPSS for Windows > SPSS 11.0 for Windows) главного меню Windows.
      В открывшемся после запуска программы диалоговом окне SPSS for Windows
      щелкните на кнопке Cancel (Отмена).
      После выполнения этого шага па экране появится окно редактора данных SPSS.
      Шаг 3 Откройте файл данных, с которым вы намерены работать (в нашем слу-
      | чае это файл exOI .sav). Если он расположен в текущей папке, то выполните
      следующие oействия:
      1. Выберите в меню File (Файл) команду Open > Data (Открытие >Данные)
      или щелкните па кнопке Open File (Открытие файла) панели инструментов.
      | 2. В открывшемся диалоговом окне дважды щелкните на имени exOl.sav
      или введите сто с клавиатуры и щелкните на кнопке ОК.

      Независимо от того, открыта программа SPSS только что или какие-то процедуры
      уже выполнялись, в верхней части главного окна должна присутствовать строка
      меню (она показана ниже). Пока строка меню присутствует на экране, доступны
      все команды анализа данных. При этом окно с данными видеть не обязательно.
      При работе со сводными таблицами или при редактировании диаграмм неко-
      торые пункты строки меню могут исчезать или меняться. Чтобы вернуться щ
      к главному окну и стандартной строке меню, щелкните на кнопке сверты- щ
      вания или восстановления текущего окна.
      После завершения шага 3 на экране должно присутствовать окно редактора дан-
      ных со строкой меню.
      ' Шаг 4 В меню Analyze (Анализ) выберите команду Correlate > Bivariate (Корреляция >
      Двумерная). На экране появится диалоговое окно Bivariate Correlations (Дву-
      : мерные корреляции), показанное на рис. 9.1.




      Рис. 9.1. Диалоговое окно Bivariate Correlations
      Окно Bivariate Correlations (Двумерные корреляции) позволяет настраивать парамет-
      ры вычисления корреляций. В списке слева содержатся имена всех переменных,
      имеющих числовой тип. Строчные переменные для команды Correlate > Bivariate
      (Корреляция > Двумерная) недоступны.
      Чтобы выбрать переменные для вычисления корреляции, их требуется не-
      реместить в список Variables (Переменные) при помощи кнопки со стрел-
      кой. Если несколько нужных переменных располагается в исходном списке друг
      за другом, вы можете, наведя указатель мыши на верхнюю из них и нажав кноп-
      ку мыши, переместить указатель па нижнюю переменную и отпустить кнопку
      мыши, тем самым выделив сразу несколько переменных.
      Глава 9. Корреляции
      В группе Correlation Coefficients (Коэффициенты корреляции) по умолчанию уста-
      новлен флажок Pearson (Пирсон). Если требуется вычислить ранговые корреля-
      ции, то следует установить флажок Spearman (Спирмен) и (или) Kendall's tau-b
      (Тау-би Кендалла). Можете установить все три флажка, чтобы иметь возможность
      сравнивать три коэффициента корреляции для различных распределений данных.
      В группе Test of Significance (Тест значимости) по умолчанию установлен переключа-
      тель Two-tailed (Двусторонний). Если вы заранее уверены в направлении (знаке)
      корреляции, то можете установить переключатель One-tailed (Односторонний).
      Флажок Flag significant correlations (Помечать значимые корреляции) по умолчанию
      установлен. Это означает, что корреляции, вычисленные с уровнем значимости
      от 0,01 до 0,05, будут помечены одной звездочкой (*), а от 0 до 0,01 — двумя звез-
      дочками (**). Вне зависимости от значимости в вывод включаются коэффициен-
      ты корреляции и р-уровни, вычисленные с точностью до 3 знаков после запятой,
      а также количество объектов, участвовавших в процедуре.
      В примерах, приведенных в этой главе, мы будем пользоваться коэффициентом
      корреляции Пирсона, двусторонним тестом значимости, а также помечать звез-
      дочками значимые корреляции. Если в ваших исследованиях понадобится
      использовать иную конфигурацию параметров, вы сами можете легко их на-
      строить, устанавливая нужные флажки и переключатели. «Отправной точкой»
      при выполнении всех примеров служит диалоговое окно Bivariate Correlations
      (Двумерные корреляции).
      Шаг 5 На этом шаге мы создадим корреляционную матрицу для значений пе-
      ; ременных тест!, ..., тест5. После выполнения шага 4 должно быть открыто
      диалоговое окно Bivariate Correlations (Двумерные корреляции), представ-
      , ; ленное иа рис 9.1.
      1. Дважды щелкните иа переменной тест1, чтобы переместить ее в список
      Variables (Переменные).
      2. Повторите предыдущее действие для переменных тест2 тестЗ.
      3. Щелкните на кнопке ОК, чтобы открыть окно вывода.
      Кнопка Options (Параметры) позволяет задать дополнительные параметры корреля-
      ции. При щелчке на этой кнопке открывается диалоговое окно Bivariate Correlations:
      Options (Двухмерные корреляции: Параметры), представленное па рис. 9.2.
      В группе Statistics (Статистики) имеется два флажка, управляющих отображением
      статистических величии: Means and standard deviations (Средние значения и стандарт-
      ные отклонения) и Cross-product deviations and covariances (Произведения отклонений
      и ковариации). Группа Missing Values (Пропущенные значения) из двух переключа-
      телей позволяет выбрать способ исключения объектов, содержащих пропущенные
      значения. Установка переключателя Exclude cases pairwise (Попарное исключение
      объектов) означает, что если при вычислении корреляции между парой перемен-
      ных для какого-нибудь объекта обнаружится отсутствующее значение, то объект
      будет исключен из вычисления, по только для этой пары переменных. В резуль-
      тате может оказаться, что для разных пар переменных коэффициенты корреля-

      ции будут вычислены с разным числом объектов. При установке переключателя
      Exclude cases listwise (Построчное исключение объектов) программа перед началом
      вычислительного процесса исключит из рассмотрения все объекты; содержащие
      хотя бы одно отсутствующее значение. В любом случае, разрешение проблемы
      отсутствующих значений лучше провести до начала анализа, О том, каким обра-
      зом это можно сделать, рассказывается в главе 4.



      Рис. 9.2. Диалоговое окно Bivariate Correlations: Options
      В приведенном примере программа генерирует квадратную корреляционную мат-
      рицу. Нередко исследователю необходимо вычислить не все корреляции, а только
      их часть. Например, можно представить ситуацию, когда сначала создается кор-
      реляционная матрица размером 12 х 12, а затем возникает необходимость ввести
      в анализ две новые переменные и вычислить коэффициент корреляции между
      ними и 12 предшествующими переменными. Возможности комшщ подменю Correlate
      (Корреляция) не позволяют этого делать — придется создавать командный файл.
      Для создания командного файла нужно открыть окно редактора синтаксиса, по-
      казанное на рис. 9.3, выбрав команду New > Syntax (Новый > Синтаксис) в меню
      File (Файл).



      Рис. 9.3. Окно редактора синтаксиса SPSS

      Глава 9. Корреляции
      Необходимые команды вводятся непосредственно в окно редактора сиытак- мм
      сиса. Чтобы выполнить введенную команду, ее нужно выделить и щелкнуть '
      на кнопке Run Current (Запуск команды) напели инструментов. Второй вариант
      запуска — выбрать в меню команду Run > A l l (Запустить > Все). Имейте в виду, что
      любой пропущенный знак, включая завершающую точку, или неверно написан-
      ное слово приведет к выдаче программой сообщения об ошибке.
      : ' :!.;•: Шаг 5а На этом шаге мы создадим корреляционную матрицу Пирсона размером 1x5,
      предназначенную для оценки степени зависимости переменной отметка2 от
      :; Н переменных тест 1 тест5.
      :|Щ}Шй 1- В меню File (Файл) выберите команду New > Syntax (Новый > Синтаксис).
      В открывшееся окно редактора синтаксиса введите следующую команду
      (см. рис. 9.3):
      correlations variables тест! тест2 тестЗ тест4 тестБ with отметка2.
      | 2. Выберите команду Run > АН (Запустить > Все) или выделите всю команду
      левой кнопкой мыши и щелкните на кнопке Run Current (Запуск команды)
      панели инструментов. Команда будет выполнена и откроется окно вывода.
      В конструкции, приведенной здесь, можно произвольно изменять имена пере-
      менных. Допускается любое количество переменных как до, так и после ключе-
      вого слова with. Переменные, перечисленные до слова with, составят строки но-
      вой корреляционной матрицы, а после пего — ее столбцы. Если вы получите на
      экране сообщение об ошибке, то, скорее всего, вы либо неверно ввели имя пере-
      менной, либо забыли указать точку в конце команды.
      Ниже приведены варианты синтаксиса, позволяющие получать различные ре-
      зультаты обработки.
      correlations variables тест! тест2 тестЗ тест4 тестб
      with отметка2 /missing listwise.
      Вычисление корреляции Пирсона с учетом пропусков путем построчного
      удаления.
      nonpar corn тест! тест2 тестЗ тест4 тестБ with отметка2.
      Вычисление корреляции г Сиирмена (с попарным удалением пропущенных
      значений).
      nonpar corr тест! тест2 тестЗ тест4 тестБ with отметка2 /print kendall.
      Вычисление корреляций т Кендалла.
      nonpar corr тест! тест2 тестЗ тест4 тест5
      with OTMeTKa2/missing listwise /print both.
      Вычисление г Спирмена и т Кендалла с построчным удалением пропусков.
      После выполнения шага 5 или 5а программа автоматически активизирует окно
      вывода. Для просмотра результатов вы при необходимости можете воспользо-
      ваться вертикальной и горизонтальной полосами прокрутки. Обратите внимание

      на стандартную строку меню в верхней части окна вывода: ее присутствие по-
      зволяет выполнять любые статистические операции, не переключаясь обратно
      в окно редактора данных.
      Печать результатов и выход
      из программы
      Ниже описана типичная процедура печати результатов статистического анализа
      (или нескольких анализов). После выполнения шагов 5 или 5а будет открыто
      окно вывода.
      Шаг б В окне вывода укажите фрагменты, выводимые на печать (см. раздел «Окно
      I вывода» в главе 2), в меню File (Файл) выберите команду Print (Печать), при
      необходимости задайте параметры печати и щелкните на кнопке ОК.
      Последнее, что необходимо сделать после завершения исследования и печати ре-
      зультатов, — это выйти из программы SPSS.
      Шаг 7 Для выхода из программы в меню File (Файл) выберите команду Exit (Выход).
      1 1 '.- ' ••' '.:.::-.L'"!.: •:'•:
      Иногда после выполнения команды Exit (Выход) на экране могут появляться
      небольшие диалоговые окна с вопросом о необходимости сохранения сделанных
      в файлах изменений и кнопками, описывающими возможные варианты ответа.
      Для завершения работы просто щелкайте па соответствующих кнопках.
      Представление результатов
      На рис. 9.4 приведен фрагмент выводимых данных, сгенерированных програм-
      мой после выполнения шага 5.
      Обратите внимание на структуру представленной на рисунке таблицы (см. рис. 9.4).
      Верхнее значение в каждой ячейке таблицы является коэффициентом корреля-
      ции между соответствующими двумя переменными, вычисленным с точностью
      до трех знаков после запятой. Следующее значение является уровнем значимо-
      сти, с которым было произведено вычисление коэффициента корреляции. Ниж-
      нее значение представляет собой число объектов, участвовавших в вычислении
      коэффициента корреляции. При наличии отсутствующих значений эта величина
      в разных ячейках может быть разной. Надписи под таблицей поясняют смысл
      символов * и **, используемых в качестве меток для некоторых вычисленных
      коэффициентов корреляции, и содержат информацию об уровне значимости.
      Как легко видеть, на главной диагонали таблицы лежат единичные значения ко-
      эффициентов корреляции для всех переменных. Смысл этого результата прост:
      каждая переменная имеет строгую положительную корреляцию сама с собой.




      Рис. 9.4. Фрагмент окна вывода после выполнения шага 5
      После выполнения шага 5а с использованием редактора синтаксиса будет полу-
      чена таблица результатов, представленная на рис. 9.5.




      Рис. 9.5. Фрагмент окна вывода после выполнения шага 5а
      Значимая положительная корреляция в этой таблице наблюдается, в частно-
      сти, между переменными тестЗ и отметка2 (г - 0,294, р - 0,003). Это означает,
      что чем лучше кратковременная память (тест 5), тем выше средняя отметка за
      выпускной класс.





      Share |

       

      Версия для печати

      Читайте также


      Как реагировать на странные вопросы рекрутера

      Исследование, проведенное рекрутинговой компанией Kelly Services, выявило пять вопросов, которые больше всего любят задавать рекрутеры на собеседовании. Эксперты дают рекомендации, как правильно отвечать на них


      Как понравиться по телефону, или Пять принципов первого звонка

      Очень часто знакомство с работодателем начинается с телефонного разговора, который может закончиться как приглашением на собеседование, так и вежливым прощанием. Реакция рекрутера при этом зависит не столько от того, что кандидат говорит, сколько от того, как он это делает. Умение произвести хорошее впечатление по телефону необходимо не только для первого разговора — нередко оно является обязательным профессиональным навыком. Как же нужно общаться по телефону, чтобы разговор продолжился?

      Что связывает власть и одиночество?
      Классики менеджмента. Астонская группа

      Отличительными особенностями астонской программы исследований были ее полнота, тщательность оценок и ее широкая применимость с точки зрения как типа организаций (бизнес, государственный сектор, корпорации, союзы и пр.), так и других уровней анализа (роли, группы и состояние общественного мнения).
      Биографии участников группы и краткое описание идей из книги "Классики менеджмента" изд-ва Питер
      7 навыков психически устойчивых людей
      Имя 
      Пароль  забыли?
      Присоединяйтесь!

      Новые материалы

         Названы самые высокооплачиваемые вакансии в Башкирии
         Не все профессии равны. Вчерашние школьники идут в телевизионщики и PR
         Новочебоксарские безработные граждане обучаются востребованным профессиям
         Где в Уфе заработать 100 тысяч рублей в месяц
         Сколько в среднем получают владимирские врачи?


      Последние комментарии

        
         мне приятно Вас читать 99 % читаемое мной - мусор... А на ваших постах глаза отдыхают 
         Действительно, Эдуард, что это я! Всё ещё hr, всё ещё пишу - с удовольствием вернусь)))
         Марина, вы вернетесь к нам или уже все?)
         вы можете оставлять активную ссылку на источник 
      Все статьи


      Интервью




      Публикую статью Алексея Королькова с видеокомментарием
      все интервью


      О проекте      Реклама       Подписка       Контакты       Rambler's Top100 Яндекс цитирования ©2000-2011, HRM