Kardinálna premenná

• Na meranie vzťahu medzi kardinálnymi premennými používame Pearsonov korelačný koeficient.

Príklad č. 1: Cieľom analýzy je vyšetriť intenzitu závislosti medzi štyrmi znakmi, ktoré sme sledovali na vzorke 44 stredoškolákov. Sledované znaky sú:

• počet hodín absencie na hodinách matematiky počas roka,
• počet bodov, ktoré získali  z koncoročného testu  z matematiky,
• koncoročná známka z matematiky
• body z Amthauerovho testu vedomostí.

Zaujíma nás, medzi ktorými znakmi je najsilnejšia lineárna závislosť.

H₀:  Znaky sú lineárne nezávislé.

• H_0a: Medzi počtom hodín absencie na hodinách matematiky a počtom bodov z koncoročného testu neexistuje štatisticky významný vzťah.
• H_0b: Medzi počtom hodín absencie na hodinách matematiky a koncoročnou známkou z matematiky neexistuje štatisticky významný vzťah.
• H_0c: Medzi počtom hodín absencie na hodinách matematiky a testom vedomostí neexistuje štatisticky významný vzťah.
• H_0d: Medzi počtom bodov z koncoročného testu a testom vedomostí neexistuje štatisticky významný vzťah.
• H_0e: Medzi počtom hodín z koncoročného testu a koncoročnou známkou z matematiky neexistuje štatisticky významný vzťah.
• H_0f: Medzi koncoročnou známkou z matematiky a testom vedomostí neexistuje štatisticky významný vzťah.

H_A: Znaky sú lineráne závislé.

• H_Aa: Medzi počtom hodín absencie na hodinách matematiky a počtom bodov z koncoročného testu existuje štatisticky významný vzťah.
• H_Ab: Medzi počtom hodín absencie na hodinách matematiky a koncoročnou známkou z matematiky existuje štatisticky významný vzťah.
• H_Ac: Medzi počtom hodín absencie na hodinách matematiky a testom vedomostí existuje štatisticky významný vzťah.
• H_Ad: Medzi počtom bodov z koncoročného testu a testom vedomostí existuje štatisticky významný vzťah.
• H_Ae: Medzi počtom hodín z koncoročného testu a koncoročnou známkou z matematiky existuje štatisticky významný vzťah.
• H_Af: Medzi koncoročnou známkou z matematiky a testom vedomostí existuje štatisticky významný vzťah.

Príklad č. 2 si môžete skúsiť sami vypočítať. Nižšie nájdete príslušnú dátovú maticu v SPSS i v Exceli, súbory si môžete stiahnuť. To či ste zadanie správne vypočítali si môžete overiť, ak váš výsledok vložíte do výsledkového okna, ktoré taktiež nájdete nižšie pod zadaním príkladu.

Skúšobný príklad:

Príklad č. 2: Cieľom analýzy je vyšetriť intenzitu závislosti medzi tromi znakmi, ktoré sme sledovali na vzorke 55 pracovníkov sociálnych služieb. Sledované znaky sú:

• počet dní absencie v práci v roku 2021,
• vek,
• priemerná mesačná mzda počas sledovaného roka.

Určte hodnotu korelačného koeficientu medzi znakmi, u ktorých môžeme konštatovať najväčšiu intenzitu lineárnej závislosti.

H₀:  Znaky sú lineárne nezávislé.

• H_0a: Medzi počtom hodín absencie v práci a vekom neexistuje štatisticky významný vzťah.
• H_{0b: Medzi počtom hodín absencie v práci a priemernou mesačnou mzdou neexistuje štatisticky významný vzťah.}
• H_0c: Medzi vekom a priemernou mesačnou mzdou počas roka neexistuje štatisticky významný vzťah.

H_A: Znaky sú lineráne závislé.

• H_Aa: Medzi počtom hodín absencie v práci a vekom existuje štatisticky významný vzťah.
• H_{Ab: Medzi počtom hodín absencie v práci a priemernou mesačnou mzdou existuje štatisticky významný vzťah.}
• _HAc:: Medzi vekom a priemernou mesačnou mzdou počas roka existuje štatisticky významný vzťah.

Dátová matica IBM SPSS na stiahnutie	Dátová matica MS EXCEL na stiahnutie

Overte si či ste príklad vypočítali správne
(v prípade správneho výpočtu je výsledok v zelenom rámčeku)

! vpisujte hodnotu korelačného koeficientu zaokrúhlenú na 3-desatinné miesta.

! ak ste počítali v SPSS, vpisujte výsledok i s nulou pred čiarkou, napr. 0,005 (v SPSS je výsledok vo forme zápisu .005).