datadiva · statisztika gyorstalpalóKapcsolatvizsgálat két változó között: a 3 fix lépés
Akármilyen változókról és akármilyen tesztről van szó, a kapcsolatvizsgálat gondolatmenete mindig ugyanaz a három kérdés ugyanabban a sorrendben. Ha ezt a menetet fejben tartod, soha nem fogsz elveszni az eredményekben.
Két változó kapcsolatának vizsgálata mindig ugyanaz a három lépés, bármilyen tesztet használsz:
- Létezik-e a kapcsolat? Hipotézisvizsgálat: ha p < 0,05, szignifikáns kapcsolat van. Ha p > 0,05, a kapcsolat nem igazolható, és itt az elemzés véget ér. Előtte: előfeltételek.
- Milyen szoros? Kapcsolatszorossági mutató (hatásmérték), például Cramér-féle V, korrelációs együttható vagy Cohen-féle d. Minél közelebb van az 1-hez, annál erősebb a kapcsolat. Mikor gyenge, mikor erős?
- Milyen természetű? Gyakoriságok, csoportátlagok vagy a korreláció előjele mutatja meg.
Hogy melyik tesztet használd, azt a két változó mérési szintje dönti el: lásd a Tesztválasztás cikket. Minden egy táblázatban: gyors puska.
Két változó, egy kérdés
Két változó között vizsgálod a kapcsolatot. Az egyik is lehet kvalitatív (nominális vagy ordinális) vagy kvantitatív (intervallum vagy arány), és a másik is.
Hogy melyik statisztikai tesztet kell használnod, azt a két változó mérési szintje dönti el. Az viszont, hogy mit kérdezel a teszttől, mindig ugyanaz a három dolog.
A három kérdés egymás után
Létezik-e a kapcsolat?
Erre a hipotézisvizsgálat adja a választ, vagyis a p-érték dönt. A hipotézispár a már ismert logikát követi:
Nincs kapcsolat
a két változó között nincs összefüggés (matematikai egyenlőség).
Van kapcsolat
a két változó összefügg.
Előbb az előfeltételek
Ha a hipotézisvizsgálatnak vannak előfeltételei (például normális eloszlás vagy szórások egyenlősége), azokat még a tényleges hipotézisvizsgálat előtt ellenőrizd. Az előfeltételek eredménye dönti el, hogy melyik próbát választhatod, vagyis a megfelelő próbát csak ezek után tudod kiválasztani.
Ez még nem mondja meg, mennyire erős a kapcsolat. A szignifikancia csak annyit árul el, hogy a kapcsolat létezik. Hogy mekkora, azt a 2. lépés mutatja meg.
Milyen szoros a kapcsolat?
Ehhez egy kapcsolatszorossági mutatót (más néven effect size, hatásmérték) használsz, például a Cramér-féle V-t, a korrelációs együtthatót vagy a Cohen-féle d-t. Mindegyik azt mutatja meg, mekkora a kapcsolat, nem csak azt, hogy van-e.
Valós kutatási adatokban tökéletes (1,0) kapcsolatot szinte soha nem látsz. Ha mégis, gyanakodj: gyakran ugyanazt a dolgot mérted kétszer, vagy az egyik változót a másikból számoltad.
Csak általános szabály
A 0,3 és 0,7 határok csak iránymutatóak, mutatónként eltérnek a sávok. A Cohen-féle d például nem 0 és 1 között mozog (nagyobb is lehet 1-nél), ezért ott más küszöbök használatosak: kb. 0,2 gyenge, 0,5 közepes, 0,8 erős. A korrelációnál és a Cramér-féle V-nél is eltérhetnek a határok szerzőnként, a Cramér V-nél a táblázat méretétől is függenek. Mindig nézd meg, hogy az adott mutatóhoz milyen értelmezési sávokat szoktak használni.
Milyen természetű a kapcsolat?
Ha tudod, hogy van kapcsolat, és azt is, hogy mekkora, már csak az marad, hogy milyen: merre mutat, ki mennyivel tér el. Hogy ezt mivel jellemzed, a teszt típusától függ. Három gyakori eset, ugyanazzal a képzéses példával:
Gyakoriságok
khi² próba: nem × részt vett-e képzésen
A relatív gyakoriságokat nézed az egyes kategóriákban: a nők között 40% vett részt fenntarthatósági módszertani képzésen, a férfiaknál csak 17%.
Következtetés: a nőkre jellemzőbb ez a képzés.
Az átlagok eltérése
t-próba, ANOVA: nem × képzési órák száma
A csoportok átlagát hasonlítod össze: a nők évente átlagosan 18, a férfiak 11 képzési órát teljesítettek.
Következtetés: a nők átlagosan 7 órával többet képezték magukat.
A kapcsolat iránya
korreláció: óraterhelés × képzési órák száma
Azt nézed, hogy az egyik változó növekedésével a másik nő (pozitív irány) vagy csökken (negatív irány). Itt a minél nagyobb az óraterhelés, annál kevesebb képzési óra jut.
Következtetés: negatív irányú kapcsolat. A mutató előjele az irányt, az abszolút értéke a szorosságot (2. lépés) adja meg.
A számok szemléltető, kitalált adatok.
Gyors puska
| Lépés | Kérdés | Mi adja a választ? | Mit kapsz? |
|---|---|---|---|
| 1. | Létezik-e a kapcsolat? | hipotézisvizsgálat, p-érték | p < 0,05: van kapcsolat, jön a 2. és 3. lépés; p > 0,05: nem igazolható, vége az elemzésnek |
| 2. | Milyen szoros a kapcsolat? | kapcsolatszorossági mutató (hatásmérték, effect size) | 0 (nincs) … 1 (tökéletes) |
| 3. | Milyen természetű a kapcsolat? | gyakoriságok, leíró statisztikák, irány | merre mutat, ki mennyivel tér el |
A sorrend számít. Ha az 1. lépésben nem találsz kapcsolatot, a 2. és 3. lépés nem értelmezhető, ezért ott megáll az elemzés.
Értem már?
Öt gyors kérdés. Kattints a szerinted helyes válaszra!
Gyakori kérdések
Mit jelent, ha p < 0,05?
A H0 elutasítható: szignifikáns kapcsolat van a két változó között, mehetsz tovább a 2. lépésre.
Mit csinálj, ha p > 0,05?
A H0 nem utasítható el, a kapcsolat nem igazolható. Ezt riportálod, és az elemzés itt véget ér: a 2. és a 3. lépés elmarad.
Ha szignifikáns a kapcsolat, akkor erős is?
Nem. A szignifikancia csak azt mondja meg, hogy a kapcsolat létezik. Hogy mekkora, azt a hatásmérték mutatja.
Mikor gyenge, közepes vagy erős egy kapcsolat?
Általános szabály: a 0 közelében gyenge, az 1 közelében erős. A határok mutatónként eltérnek, a Cohen-féle d-nél például kb. 0,2 gyenge, 0,5 közepes, 0,8 erős.
Mi a különbség a függvényszerű és a sztochasztikus kapcsolat között?
Függvényszerű kapcsolatnál az egyik változóból pontosan kiszámolható a másik, például fix óradíjnál a képzés díja az órák számából. Sztochasztikusnál csak becsülni lehet, például az óraterhelésből a képzési órák számát. Valós kutatási adatokban szinte mindig sztochasztikus kapcsolatot látsz.
Elakadtál? Együtt megcsináljuk!
A három lépés elméletben egyszerű. A nehezebb része az, amikor a saját adataidnál kell eldöntened, melyik tesztet válaszd, mit mutat a kimenet, és hogyan írd le a dolgozatodban. Ott szoktak megcsúszni a szakdolgozatok, a disszertációk és a beadandók.
Nem helyetted, hanem veled nézzük végig a kutatási kérdésedet és az adataidat, hogy te is értsd, mit miért csinálsz. SPSS, JASP, jamovi: ami neked kényelmes.
Tovább: a három lépés első része a mérési szintek ismerete. A kapcsolatvizsgálatot SPSS, JASP vagy jamovi programban is megmutatom, magántanárként. Vedd fel velem a kapcsolatot, és megbeszéljük, miben segíthetek.
Telefon: Telefonszám megjelenítése · WhatsApp · Viber
zsuzsanna.kun@datadiva.hu · datadiva.hu