Hoe u een correlatiematrix maakt in spss

Een correlatiematrix is een vierkante tabel die de Pearson-correlatiecoëfficiënten tussen verschillende variabelen in een dataset weergeeft.

Ter herinnering: dePearson-correlatiecoëfficiënt is een maatstaf voor het lineaire verband tussen twee variabelen . Er is een waarde tussen -1 en 1 nodig, waarbij:

• -1 geeft een perfect negatieve lineaire correlatie aan tussen twee variabelen
• 0 geeft aan dat er geen lineaire correlatie is tussen twee variabelen
• 1 geeft een perfect positieve lineaire correlatie aan tussen twee variabelen

Hoe verder de correlatiecoëfficiënt van nul verwijderd is, hoe sterker de relatie tussen de twee variabelen.

In deze tutorial wordt uitgelegd hoe u een correlatiematrix in SPSS maakt en interpreteert.

Voorbeeld: hoe u een correlatiematrix maakt in SPSS

Volg de volgende stappen om een correlatiematrix voor deze dataset te maken die de gemiddelde assists, rebounds en punten van acht basketbalspelers weergeeft:

Stap 1: Selecteer Bivariate correlatie.

• Klik op het tabblad Analyseren .
• Klik op Correleren .
• Klik op Bivariaat .

Stap 2: Maak de correlatiematrix.

Elke variabele in de dataset wordt aanvankelijk in het linkervak weergegeven:

• Selecteer elke variabele die u in de correlatiematrix wilt opnemen en klik op de pijl om ze over te brengen naar het vak Variabelen . In dit voorbeeld zullen we alle drie de variabelen gebruiken.
• Kies onder Correlatiecoëfficiënten of u de correlatie van Pearson, de tau van Kendall of de correlatie van Spearman wilt gebruiken. Voor dit voorbeeld laten we het Pearson staan.
• Kies onder Significantietest of u een tweezijdige of eenzijdige toets wilt gebruiken om te bepalen of twee variabelen een statistisch significant verband hebben. We laten het als tweezijdig achter.
• Vink het vakje naast Significante correlaties rapporteren aan als je wilt dat SPSS variabelen rapporteert die significant gecorreleerd zijn.
• Klik ten slotte op OK .

Zodra u op OK klikt, verschijnt de volgende correlatiematrix:

Stap 3: Interpreteer de correlatiematrix.

De correlatiematrix geeft voor elke variabele de volgende drie metingen weer:

• Pearson-correlatie: maatstaf voor het lineaire verband tussen twee variabelen, variërend van -1 tot 1.
• Zig. (tweezijdig): tweezijdige p-waarde geassocieerd met de correlatiecoëfficiënt. Dit vertelt u of twee variabelen een statistisch significant verband hebben (bijvoorbeeld als p < 0,05)
• N: aantal paren gebruikt om de Pearson-correlatiecoëfficiënt te berekenen.

Hier ziet u bijvoorbeeld hoe u het resultaat van de Assists-variabele interpreteert:

• De Pearson-correlatiecoëfficiënt tussen assists en rebounds is -0,245 . Omdat dit getal negatief is, betekent dit dat deze twee variabelen een negatieve associatie hebben.
• De p-waarde geassocieerd met de Pearson-correlatiecoëfficiënt voor assists en rebounds is 0,559 . Omdat deze waarde niet minder dan 0,05 bedraagt, hebben de twee variabelen geen statistisch significant verband.
• Het aantal paren dat werd gebruikt om de Pearson-correlatiecoëfficiënt te berekenen was 8 (bij deze berekening werden bijvoorbeeld 8 paren spelers gebruikt).

Stap 4: Visualiseer de correlatiematrix.

U kunt ook een spreidingsplotmatrix maken om de lineaire relatie tussen elk van de variabelen te visualiseren.

• Klik op het tabblad Grafieken .
• Klik op Grafiekbouwer .

• Klik voor het diagramtype op Spreiding/punten .
• Klik op de afbeelding met de tekst Scatterplot Matrix .
• Houd in het vak Variabelen linksboven de Ctrl-toets ingedrukt en klik op de drie namen van de variabelen. Sleep ze naar het vak onder aan het diagram met de tekst Scattermatrix .
• Klik ten slotte op OK .

De volgende scatterplot-matrix verschijnt automatisch:

Elke individuele scatterplot toont de paarsgewijze combinaties tussen twee variabelen. Het spreidingsdiagram in de linkerbenedenhoek toont bijvoorbeeld de paarsgewijze combinaties van punten en assists voor elk van de acht spelers in de dataset.

Een scatterplot-matrix is optioneel, maar biedt een goede manier om de relatie tussen elke paarsgewijze combinatie van variabelen in een dataset te visualiseren.