Szálka Beatrix

JASP-ben

A korreláció célja két kvantitatív változó kapcsolatának

vizsgálata. Azonban a korreláció előtt a két változónkra
alapstatisztikákat és normalitás vizsgálatot futtattunk. Az előző
év végi matematikai eredmény átlaga (4), mediánja (3,420), szórása
(1,159), ferdesége (-0,419) és csúcsossága (-0,244). A szülői
bevonódás, tanulás változó átlaga (0,063), mediánja (0,071),
szórása (0,696), ferdesége (-0, 216), csúcsossága pedig (-0,371).
Az alapstatisztikákat követően normalitástesztet futtattam a
két változómra. Mindkettőt Shapiro-Wilk teszttel csináltam
az év végi matematika eredményemnél, W = 0,895 (p <
0,001), tehát a szakmai és a nullhipotézisem miszerint ez a
változó normális eloszlást követ, nem fog teljesülni, hanem
az ellenhipotézisem lesz igaz miszerint a változóm eltér a
normális eloszlástól. Illetve mivel a p kisebb mint 5% ezért az eltérést szignifikánsnak
nevezzük. Azonban a ferdeség és a csúcsosság abszolútértéke is kisebb mint 1, ezért a
hatásmérték nem jelentős. A szülői bevonódásnál ugyanezeket figyeltem meg. Ahol W =
0,989 (p < 0,001), tehát a szakmai és a nullhipotézisem itt sem fog teljesülni, ami azt jelenti,
hogy az ellenhipotézisem lesz igaz, miszerint a normális eloszlástó eltér a változó, méghozzá
szignifikánsan ugyanis a p kisebb mint 5%. Azonban mivel a ferdeség és a csúcsosság
abszolútértéke is kisebb mint 1 ezért a hatásmérték nem lesz jelentős.
Ezek vizsgálata után állhatunk neki a
korreláció vizsgálatának. Az ide tartozó szakmai
hipotézisem szerint, az év végi matematikai
eredmény átlaga és a szülői beavatkozás a tanulásba,
pozitív irányú erős kapcsolatban állnak egymással. A
nullhipotézisem szerint, a két változó egymástó
lineárisan független, és ennek megfelelően az
ellenhipotézisem, hogy a két változó lineáris
kapcsolatban van egymással.
A Regression-nál kiválasztom a Correlation-t,
utána kiválasztottam a két kvantitatív változómat, és
ott kiválasztom a Pearson’s r-t, ami 0,106, ahol a p = 0,005. Ez után kiválasztottam a
Spearman’s rho-t, ami
0,097, ahol a p =
0,010. Végül a Kendall
féle tau b mutatót,
amely 0,072, ahol a p
= 0,010. Mivel a
normalitásom sérül
ezért a Pearson-féle
korrelációs együtthatót,
nem alkalmazhatom,
ezért a Spearman-féle
rangkorrelációt vagy a
Kendall-féle tau b-t
vehetem figyelembe.
Szálka Beatrix

Mindkettőnél a p kisebb mint 0,05, tehát

az ellenhipotézisem fog teljesülni,
miszerint a két változóm lineáris
kapcsolatban van egymással. A korreláció
magában rejti a hatásmértéket is, tehát a p
szignifikáns eltérést mutat, de a
hatásmérték nagyon alacsony.

Ropstat-ban

Ahogy JASP-ben is, elvégeztem a változókra normalitás vizsgálatot, illetve a

szükséges leíró statisztikákat. A ferdeség és a csúcsosság teszteléséből is látszik, hogy a
változók nem követik a normális eloszlást, de végeztem külön normalitás vizsgálatot is. A khi-
négyzet próba eredményeiből (ahol az Rv_mtm_e khi-négyzet próba eredménye 90,51, ahol a
p kisebb mint 0,05 és az szb1 khi-négyzet próba eredménye
174,18 és itt is a p kisebb mint 0,05) megfigyelhető, hogy
mindkét változóm eltér a normál eloszlástól. Ezt követően
korrelációs teszteket futtattam. Lefuttattam a Pearson-féle
korrelációs
együtthatót, a
Spearman-féle
rangkorrelációt,
illetve a Kendall
féle tau b-t. A Ropstatban is a Kendall féle tau b-t
vettem figyelembe, melyhez tartozó p érték
eredménye 0,062, amely azt jelenti, hogy a p az nem
szignifikáns, tehát a nullhipotézisemet tartom meg,
miszerint a két változóm lineárisan független
egymástól.

A korrelációs teszteket a statisztikai elemzéseken belül

a Korrelációs és parciális korrelációs táblázatoknál
futtattam le a teszteket.

Szakmai döntéshozatal

A kendall féle tau b teszt lefuttatásával szignifikáns lett az eredményem, azonban mivel a
hozzá tartozó hatásmértékem nagyon alacsony ezért szakmailag a nullhipotézisemet fogom
figyelembe venni, miszerint a két változó lineárisan független egymástól.