11.5.1 Eksempel: pulse.sav

Vi vil se på korrelasjonen (Pearsons) mellom PULSE1, PULSE2 og HØYDE og VEKT. Vi går til Analyze/Correlate/Bivariate og legger de fire variablene over i Variables boksen. Da ser dialogboksen vår slik ut:

Vi klikker på OK.

Dette gir følgende resultatet i utskriftsvinduet:

Dette kalles en korrelasjonsmatrise og viser korrelasjonen mellom alle de valgte variablene. Korrelasjonen mellom PULSE1 og PULSE ligger i første linje, annen kolonne. Vi ser at korrelasjonen er 0.643. Det er altså en forholdsvis høy korrelasjon mellom pulsverdien. Hvis går ned til tredje linje, fjerde kolonne, ser vi at korrelasjonen mellom høyde og vekt er 0.785. Det er (som forventet) en høy korrelasjon mellom høyde og vekt.

I andre linje oppgis antall observasjoner. Vi ser at det varierer fra korrelasjon til korrelasjon. Det skyldes at Missing values er tatt ut fra de enkelte analysene. Siden antall missing varierer fra variabel til variabel, vil også antall som inngår i beregningene av korrelasjonene, variere.

I siste linje får vi p-verdien testen for om for at korrelasjonen er statistisk forskjellig fra 0. Vi ser at for både PULSE1 og PULSE2 og for HØYDE og VEKT er disse to korrelasjonskoeffisientene signifikant forskjellige fra 0, begge med p < 0.001.