KORELACJE

Załóżmy, że nasze badanie dotyczy wpływu wykształcenia na zarobki.

1. Wybieramy współczynnik: Pearson (gdy wartości są ilościowe), czy Spearman (gdy w danych mamy co najmniej jedną wartość nominalną lub porządkową). W naszym przypadku współczynnikiem prawidłowym jest Spearman, ponieważ poziom wykształcenia jest wartością porządkową.

2. Następnie sprawdzamy ISTOTNOŚĆ. Jeśli wynosi poniżej 0,05 odrzucamy hipotezę zerową (która głosi, że badane czynniki nie mają na siebie wpływu => poziom wykształcenia nie wpływa na wielkość zarobków), jeżeli powyżej 0,05 zachowujemy hipotezę zerową.

3. Badamy współczynniki korelacji. Gdy jest on dodatni, oznacza to, że wzrost jednego czynnika wywołuje wzrost drugiego (im wyższy poziom wykształcenia tym zarobki są większe), gdy ujemny wzrost jednego czynnika powoduje spadek drugiego (im wykształcenie wyższe, tym zarobki mniejsze).

REGRESJA

Skorzystamy z tego samego badania co w korelacji. Z tym, że w zadaniu będzie więcej czynników, np. plus doświadczenie zawodowe.

1. Sprawdzamy ISTOTNOŚĆ w tabeli ANOVA. Robimy to na tej samej zasadzie co w korelacji. Jednak w tym przypadku wydaje mi się, że wystarczy określić, czy badanie jest istotne, czy nie.

2. Przechodzimy do tabeli Model-Podsumowanie i patrzymy na R-kwadrat. Załóżmy, że wynosi on 0,369. Oznacza to, że nasze badanie tłumaczy model w ok. 37%.

3. Patrzymy na tabelę Współczynniki:

• Znów zwracamy uwagę na Istotność. Z tym, że teraz dla poszczególnych czynników (w naszym wypadku dla poziomu wykształcenia i doświadczenia zawodowego). Sprawdzamy, czy któreś z nich nie jest istotne (wynosi powyżej 0,05).

• Teraz współczynnik „B”. Jeśli jest dodatni to czynnik powoduje wzrost drugiego czynnika (poziom wykształcenia powoduje wzrost zarobków), a jeśli ujemny spadek drugiego czynnika (im wyższe wykształcenie, tym mniejsze zarobki).

TESTY PARAMETRYCZNE

1. TEST „t”

1. Sprawdzamy Istotność w teście Levenel'a. Działa na tej samej zasadzie co poprzednio. Jednak w tym przypadku nasza hipoteza zerowa zakłada równość wariancji. Czyli gdy wynosi poniżej 0,05 wariancje się różnią, ponieważ odrzuciliśmy hipotezę zerową, zaś jeśli powyżej 0,05 wariancje się nie różnią.

2. Jeżeli wariancje się różnią przechodzimy do Testu „t”. Po raz kolejny zwracamy uwagę na Istotność. Tu hipoteza zerowa głosi równość średnich. Poniżej 0,05 - średnie się różnią, powyżej 0,05 średnie się nie różnią.

2. Test ANOVA

1. Postępujemy tak samo jak w punkcie pierwszym Testu „t”.

2. W momencie odrzucenia hipotezy zerowej przechodzimy do Mocnych testów Welsha i postępujemy tak samo jak w punkcie drugim Testu „t”. Jeżeli zachowujemy hipotezę zerową przechodzimy do ANOVY i postępujemy tak jak w punkcie drugim Testu „t”.

WAŻNE JEST TO, ŻE W PRZYPADKU ODRZUCENIA HIPOTEZY ZEROWEJ TESTU LEVENEL'A NIE KOŃCZYMY NASZEJ PRACY A PRZECHODZIMY DO ANOVY;)

TESTY NIEPARAMETRYCZNE

1. Sprawdzamy Istotność w Chi-kwadrat Pearsona. Odpowiadamy na pytanie czy badanie jest istotne.

2. Przechodzimy do tabeli krzyżowej i porównujemy liczebności oczekiwane z liczebnością. Wyciągamy wnioski.

3. Przechodzimy do V-Kramera. Zwracamy uwagę na Wartość i odpowiadamy na pytanie jak silna jest nasza zależność.

---