Declaração do Problema
Talvez você gostaria de testar se existe uma associação estatisticamente significativa relação linear entre duas variáveis contínuas, peso e altura (e, por extensão, inferir se a associação é significativa na população). Você pode usar uma correlação de Pearson bivariada para testar se existe uma relação linear estatisticamente significativa entre altura e peso, e para determinar a força e direção da Associação.,
antes do teste
nos dados da amostra, usaremos duas variáveis: “altura” e “peso”.”A variável “Altura” é um contínuo de medida de altura em polegadas e apresenta um intervalo de valores de 55,00 84.41 (Analisar > Estatísticas Descritivas > Descritivos). A variável “Weight” é uma medida contínua de peso em libras e exibe uma gama de valores de 101,71 a 350,07.
Antes de olharmos para as correlações de Pearson, devemos olhar para as camadas dispersas das nossas variáveis para termos uma ideia do que esperar., Em particular, precisamos determinar se é razoável assumir que nossas variáveis têm relações lineares. Click Graphs > Legacy Dialogs> Scatter / Dot. Na janela de dispersão/ponto, clique em dispersão simples, em seguida, clique em Definir. Mova a altura variável para a caixa do eixo X e mova o peso variável para a caixa do eixo Y. Quando terminar, clique OK.
Para adicionar um ajuste linear como o descrito, clique duas vezes na plotagem no Output Viewer para abrir o Editor Gráfico., Click Elements > Fit Line at Total. Na janela de propriedades, certifique-se de que o método de ajuste é definido para Linear, em seguida, clique em Aplicar. (Note que a adição da linha de tendência de regressão linear também adicionará o valor R-quadrado na margem da parcela. Se tomarmos a raiz quadrada deste número, deve corresponder ao valor da correlação de Pearson que obtemos.)
A partir do scatterplot, podemos ver que à medida que a altura aumenta, o peso também tende a aumentar. Parece haver alguma relação linear.,
executando o ensaio
para executar a correlação de Pearson bivariada, clique em analisar > Correlate > Bivariate. Seleccione a altura e o peso das variáveis e mova-as para a caixa de variáveis. Na área dos coeficientes de correlação, selecione Pearson. No teste de significância área, selecione o teste de significância desejado, duas-caudas ou uma-caudas. Nós selecionaremos um teste de significância de duas caudas neste exemplo. Assinale a opção ao lado para assinalar correlações significativas.
clique em OK para executar a correlação de Pearson., A saída para a análise irá mostrar no Visualizador de saída.
sintaxe
CORRELATIONS /VARIABLES=Weight Height /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE.saída
tabelas
os resultados irão mostrar as correlações numa tabela, correlações rotuladas.
a Correlation of Height with itself (r=1), and the number of nonmissing observations for height (N=408).
B correlação da altura e do peso (r=0, 513), com base em n=354 observações com valores emparelhados de não Informação.correlação entre altura e peso (r=0.,513), com base em Observações n=354 com valores emparelhados de não-desagregação.
D correlação de peso com ele próprio (r=1), e o número de observações não-sintáticas para o peso (n=376).
As células importantes que queremos ver são b ou C. (As células B E C são idênticas, porque incluem informação sobre o mesmo par de variáveis.) As células B E C contêm o coeficiente de correlação para a correlação entre altura e peso, seu valor-p, e o número de observações emparelhadas completas em que o cálculo foi baseado.,
as correlações na diagonal principal (células A E D) são todas iguais a 1. Isto é porque uma variável está sempre perfeitamente correlacionada consigo mesma. Note, no entanto, que os tamanhos das amostras são diferentes na célula a (N=408) versus a célula D (n=376). Isto é devido à falta de dados — há mais observações em falta para o peso variável do que há para a altura variável.se você optou por sinalizar correlações significativas, SPSS marcará um nível de significância de 0.05 com um asterisco ( * ) e um nível de significância de 0.01 com dois asteriscos (0.01)., Na célula B (repetida na célula C), podemos ver que o coeficiente de correlação de Pearson para altura e peso é .513, que é significativo (p < .001 para um ensaio de duas caudas), com base em 354 observações completas (isto é, casos com valores não discriminatórios tanto para a altura como para o peso).
Decisão e Conclusões
com Base nos resultados, podemos afirmar o seguinte: