Spearman Sıra Farkları Korelasyonu

Bu bölümde neler var?

İlişkileri araştırılan değişkenlerin sürekli oldukları ancak normal dağılım göstermediği durumlarda veya değişkenlerin sıralı (ordinal) ölçeğe sahip olduğu durumlarda iki değişken arasındaki ilişki Spearman sıra korelasyonu yöntemi ile ortaya çıkartılabilir (Güriş ve Astar, 2015, s. 292; Howell, 2008, s. 183; Kalaycı, 2010, s. 117; Kilmen, 2015, s. 99). Pearson Korelasyon katsayısının parametrik olmayan versiyonu olarak da düşünülebilir (Field, 2009, s. 179-180; Kalaycı, 2010, s. 117) ve Pearson korelasyonundan farklı olarak ham puanları değil sıra sayılarını kullanarak hesaplama yapılmaktadır (Alpar, 2016, s. 431; Howell, 2008, s. 183). Sıralamalı veriler için kullanılan tek korelasyon katsayısı olmamasına rağmen en çok kullanılanı ve en basit olanıdır (Howell, 2008, s. 183).  Spearman korelasyon analizinin varsayımları arasında iki değişkenin doğrusal bir ilişki olma şartı yoktur (Kilmen, 2015, s. 99). Bu sebepten, Spearman korelasyon katsayısı doğrusallıktan hafif sapma durumlarının olduğu monotonik ilişkiler için de tercih edilebilir (Alpar, 2016, s. 431; Howell, 2008, s. 184). Monotonik ilişki doğrusal olmayan ve sürekli artan veya azalan bir eğri ile temsil edilebilir (Howell, 2008, s. 184). Monotonik ilişkiler hakkında daha ayrıntılı bilgi için tıklayınız. Spearman korelasyon katsayısı ρs (rs) ile ifade edilir. Spearman Sıra korelasyonu katsayısı Pearson katsayısı gibi değerlendirilir. -1 ile +1 arasında yer alan bu katsayı 0 değerini aldığında iki değişken arasında bir ilişki olmadığını gösterir (Kalaycı, 2010, s. 117).

Örnek: Bir beden eğitimi öğretmeni öğrencilerini boy sıralamalarına göre üç gruba ayırmıştır. Kısa, orta ve uzun boylu öğrencilerin 100 metre koşu dakikalarını ölçmüştür. Hızlı, orta ve yavaş olarak öğrencileri gruplanmıştır.
Veri setine ulaşmak için tıklayınız.

SPSS Uygulaması
Pearson korelasyon katsayısı gibi Spearman katsayısının anlamlılığı da SPSS gibi paket programlar yardımıyla test edilebilir  (Güriş ve Astar, 2015, s. 294). SPSS programındaki Analyze sekmesine gelindiğinde açılan listeden Correlate kısmına gelinir. Yan tarafında açılan pencereden Bivariate tercih edilir. İlişkisi incelenmek istenen değişkenler sol kutudan sağ kutuya atıldıktan sonra correlation coefficient bölmesindeki Spearman seçeneği tıklanır. Sonrasında OK tuşuna basılarak korelasyon katsayısı elde edilir.



Sonuçların Yorumlanması
Spearman korelasyon katsayısı -,812 bulunmuştur. Sonuç olarak, öğrencilerin boy uzunlukları ile 100 metre koşu durumları arasında negatif yönde ve güçlü bir ilişki ortaya çıkmıştır. Öğrencilerin boy uzunlukları arttıkça 100 metre koşuyu bitirme durumları yavaşlamaktadır. 

Sonuçların Raporlanması

Tablo
Öğrencilerin boy uzunlukları ve 100 metre koşu durumları arasındaki korelasyon matrisi
Değişkenler
1
2
1.      Boy uzunlukları
-
-,81*
2.      Koşu durumları
-,81*
-
Not. *p<,05.

Not. Yukarıdaki tablo APA 6 stiline göre hazırlanmıştır.

Kaynakça

Alpar, R. (2016). Uygulamalı çok değişkenli istatistiksel yöntemler. Ankara: Detay Yayıncılık.
Field, A. (2009). Discovering statistics using SPSS. Thousand Oaks, CA: Sage.
Güriş, S., & Astar, M. (2015). Bilimsel araştırmalarda SPSS ile istatistik. İstanbul: Der Yayınları.
Howell, D. C. (2008). Fundamental statistics for the behavioral sciences. Boston: Nelson Education.
Kalaycı, Ş. (2010). SPSS uygulamalı çok değişkenli istatistik teknikleri. Ankara: Asil Yayın Dağıtım.
Kilmen, S. (2015). Eğitim araştırmacıları için SPSS uygulamalı istatistik. Ankara: Edge Akademi.