Upload
victoria-kamasa
View
166
Download
0
Embed Size (px)
Citation preview
ANALIZA DWUZMIENNOWA
CZYLIABC KOREALCJI
www.logic.amu.edu.pl
ANALIZA DWUZMIENNOWA
Centralne pytanie:
Czy między badanymi zmiennymi występuje związek (w próbie)?
WAŻNE: Związek ten nie musi mieć charakteru przyczynowo-
skutkowego; Jest to po prostu skojarzenie liczbowe pewnego typu;
www.logic.amu.edu.pl
3
ZALEŻNOŚĆ
dr Victoria Kamasa
Osoba badana
Kolejne miejsce na liście wg wykształcenia tzw. ranga
Kolejne miejsce na liście wg zasobu słownictwa tzw. ranga
o16,5
o26,5
o35
o43,5
o52
o63,5
o71
www.logic.amu.edu.pl
CO TO OZNACZA W PRAKTYCE?
Wniosek:Jeżeli istnieje zależność – jesteśmy w stanie
przewidzieć przybliżone rozkłady dla poszczególnych zmiennych;
I odwrotnie:Na podstawie różnicy między tym, co
„oczekiwane” (przy założeniu, że zachodzi zależność),
a tym co otrzymane można badać siłę zależności.
www.logic.amu.edu.pl
Współczynnik ρ - Spearmana
Inna nazwa: współczynnik korelacji rangowej Spearmana
Zastosowanie:Zmienne porządkowe i interwałowe.
Logika:Jeżeli jest zupełna korelacja dodatnia, to
kolejność (ustawiana na podstawie wartości danej zmiennej) będzie taka sama dla obu
zmiennych.
www.logic.amu.edu.pl
Współczynnik ρ - Spearmana
Zaczynamy od rangowania zmiennychczyli:
Dla każdej z analizowanych zmiennych:1. Porządkujemy obserwacje wg wartości zmiennej – od
najmniejszej do największej2. Przypisujemy im numer miejsca, na którym się znajdują
Jeżeli kilka obserwacji ma tę samą wartość – przypisujemy im średnią z numerów wszystkich miejsc, które zajmują
EXCEL:=POZYCJA.ŚR(komórka;zakres;1)
www.logic.amu.edu.pl
Współczynnik ρ - Spearmana
Osoby badane:Wykształcenie
zawodoweWykształcenie
wyższeWykształcenie
średnie Wykształcenie gimnazjalne
Wykształcenie podstawowe
Wykształcenie wyższe
Wykształcenie zawodowe
Kolejność:Wykształcenie podstawowe
Wykształcenie gimnazjalne
Wykształcenie zawodowe
Wykształcenie zawodowe
Wykształcenie średnie
Wykształcenie wyższe
Wykształcenie wyższe
Rangi:
1
2
3,5
3,5
56,56,5
Przykład rangowania
www.logic.amu.edu.pl
Współczynnik ρ - Spearmana
Obliczenia:
d – różnica pomiędzy rangą dla zmiennej pierwszej a drugiejN – liczba obserwacji
www.logic.amu.edu.pl
Współczynnik ρ - Spearmana
Interpretacja wyniku:Kierunek związku:
Wartość dodatnia – zależność wprostproporcjonalna Wartość ujemna – zależność odwrotnieproporcjonalna
Siła związku: | ρ| < 0,3 – zależność słaba, brak zależności | ρ| < 0,5 – zależność średnia | ρ| > 0,5 – zależność silna
www.logic.amu.edu.pl
10
ZADANIE 1
dr Victoria Kamasa
Badano zależność między liczbą gestów użytych w czasie jednej jednostki dialogowej (Z1), a wiekiem, a którym badana osoba utraciła wzrok (mierzonym na skali porządkowej) (Z2). Uzyskano następujące wyniki:
Z1 Z2o1 4 1o2 4 3o3 7 4o4 25 2o5 7 1o6 17 5o7 16 2o8 9 1o9 21 4o10 7 5
www.logic.amu.edu.pl
Współczynnik V - Cramera
Zastosowanie:Dwie zmienne nominalne
(ewentualnie: nominalna + porządkowa)
Logika:Jeżeli nie ma żadnej korelacji mogę poprawnie
w przybliżeniu oszacować wartości w poszczególnych polach tablicy krzyżowej.
www.logic.amu.edu.pl
12
PRZEWIDYWANIE
dr Victoria Kamasa
Wysoka barwa głosu
Niska barwa głosu
Suma
Kobiety 50
Mężczyźni 50
suma 50 50 100
www.logic.amu.edu.pl
Współczynnik V - Cramera
Etapy obliczania:
1. Obliczenie wartości oczekiwanych
2. Obliczenie współczynnika pomocniczego – chi kwadrat (χ2)
3. Obliczenie wartości współczynnika
4. Interpretacja wyniku
www.logic.amu.edu.pl
Współczynnik V - Cramera
1. Liczebności oczekiwane:
Przykład:w1 w2 w3 suma
Z1 21*15/70 24*15/70 25*15/70 15
Z2 21*30/70 24*30/70 25*30/70 30
Z3 21*25/70 24*25/70 25*25/70 25
suma 21 24 25 70
EXCEL (z surowych danych):=> tabela przestawna
www.logic.amu.edu.pl
Współczynnik V - Cramera
2. Współczynnik pomocniczy - chi kwadrat (χ2)
Eij – liczebność oczekiwana dla danego pola w tabelinij – liczebność faktyczna dla danego pola w tabeli
O – ang. observed (liczebność faktyczna)E – ang. expected (liczebność oczekiwana)
www.logic.amu.edu.pl
Współczynnik V - Cramera
3. Wartość współczynnika:
k, p – ilość wartości poszczególnych zmiennychN – ilość badanych jednostek
www.logic.amu.edu.pl
Współczynnik V - Cramera
4. Interpretacja:
Siła związku: V< 0,3 – słaby związek, brak związku;
V< 0,5 – umiarkowany związek V> 0,5 – silny związek
www.logic.amu.edu.pl
18
ZADANIE 2
dr Victoria Kamasa
Badano zależność między regionem
pochodzenia a częstotliwością
używania wyrazów gwarowych.
Często
Średnio
Rzadko
Suma
Wschód 4 8 2 14
Zachód 8 7 5 20
Centrum 11 7 3 21
Północ 9 4 5 18
Południe 3 11 13 27
Suma 35 37 28 100
www.logic.amu.edu.pl
19
ZADANIE 3
dr Victoria Kamasa
Badano zależność między subiektywną oceną częstości wyrazu (Z1), a subiektywną oceną jego emocjonalnego nacechowania (Z2). Dla sześciu badanych wyrazów uzyskano następujące rangi:
Z1 Z2w1 2 6w2 5 5w3 5 3,5w4 5 1,5w5 2 1,5w6 2 3,5
www.logic.amu.edu.pl
20
ZADANIE 4
dr Victoria Kamasa
Badano częstość występowania typów słowotwórczych w systemie i w tekstach reportaży.
końcówka
Częstość w procentach
w systemie
w tekstach reportaż
y
-ka 45 42
-ina 32 23
-owa 16 23
- a 7 12
www.logic.amu.edu.pl
21
ZADANIE 5
dr Victoria Kamasa
Badano zależność między kategorią gramatyczną a częstością występowania w wierszach Zbigniewa Herberta.
Często
Średnio
Rzadko
Suma
Rzeczownik 17 8 21 46
Przymiotnik 9 4 5 18
Czasownik 16 11 9 36
Suma 42 23 35 100
www.logic.amu.edu.pl
22
ZADANIE 6
dr Victoria Kamasa
Badano zależność między wykształceniem a zasobem słownictwa. Przyjęto następujące oznaczenia:wykształcenie Zasób
słownictwa
Podstawowe 1 Bardzo mały 1
Gimnazjalne 2 Raczej mały 2
Zawodowe 3 Średni 3
Średnie 4 Raczej duży 4
Wyższe 5 Bardzo duży 5
wykształcenie
Zasób słownictwa
o1 1 2o2 2 1o3 3 4o4 3 3o5 3 2o6 4 3o7 4 4o8 5 5o9 5 5o10 5 4