3.2.2.1.1. Spearman Korelasyon Katsayısı
Spearman
Sıra Farkları Korelasyonu
Bu bölümde neler var?
1. Bölüm: Spearman Korelasyon Katsayısı nedir?
2. Bölüm: Örnek
3. Bölüm: SPSS Uygulaması
4. Bölüm: Sonuçların Yorumlanması
5. Bölüm: Sonuçların Raporlanması
6. Bölüm: Kaynakça
2. Bölüm: Örnek
3. Bölüm: SPSS Uygulaması
4. Bölüm: Sonuçların Yorumlanması
5. Bölüm: Sonuçların Raporlanması
6. Bölüm: Kaynakça
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).
Veri setine ulaşmak için tıklayınız.
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.
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.
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.
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.