상관관계분석

소개글

상관관계분석에 대한 보고서 자료입니다.

본문내용

만 상관결과만을 제시하기도 한다. 상관관계의 결과표에 포함될 내용은 다음과 같다.
변수명
사례수
상관계수(r)
유의수준
<표 6-1> 사회성점수와 내외통제점수의 상관관계 분석결과
사회성점수
내외통제점수
N=30
사회성점수
-
내외통제점수
.531*
-
※ 실제 결과는 p<.01에서 유의미하나, 가설설정에서 유의수준을 .05로 설정하였으므로 .05수준에서 제시함.
▶ 결과의 해석
상관관계분석은 변수간의 관계성을 검증하는데 사용한다. 위의 예에서 사회성과 내외통제점수간의 관계성, 구체적으로 관계성의 정도와 방향을 검증하였다.
상관관계분석의 해석
가설: 사회성과 내외통제점수는 상관이 높을 것이다.
표 6-1에서처럼, 사회성과 내외통제점수는 통계적으로 유의미한 상관을 보였다(r=.531, p<.05). 즉 사회성 점수와 내외통제점수는 r2=.28로 약 28%정도의 상관을 갖는 것으로 나타났으며, 정적인 관계성을 갖고 있다. 내외통제점수가 높을수록 외적통제자이므로 외적통제자일수록 더 사회적 역능감이 높은 것으로 해석된다. 따라서 가설은 지지되었다.
(3) 상관관계분석을 위한 팁(TIP)
▶ TIP1: 여러 변수의 상관관계분석
위와 같이 두 변수의 상관은 직관적으로 이해가 쉽지만, 대부분 조사에서 많은 변수들이 사용되기 때문에 여러 변수를 동시에 분석하는 것이 더 효율적이다. 다음은 데이터에서 사회성점수와 내외통제점수, 마키아벨리즘, 성별을 동시에 투입하여 상관을 구하는 과정이다. 피어슨의 적률상관을 구하기 위해서는 모든 변수가 등간척도이상이어야 한다.
위와 같이 분석할 변수들을 오른쪽 창으로 이동시키고 ‘OK'버튼을 누르면 다음과 같은 결과가 산출된다.
단순상관과 크게 다른 것은 없고 여러 변수가 동시에 분석되었다는 점만 다를 뿐이다. 그에 따라 결과표를 작성할 때에도 변수가 추가되면 된다.
○ 준거변수와 문항과의 상관을 보고자 할 때
correlation 변수 변수 with 준거변수.
execute.
▶ TIP2: 통제변수의 사용 - 부분상관(partial correlation)
일반적인 상관계수(r)는 모든 변수들의 상호 영향력 관계를 포함한다. 그래서 이러한 상관을 zero-order 상관이라고 부른다. 그러나 만일 특정 변수의 효과를 통제한 상태에서 변수간의 상관을 구하고자 한다면, 부분상관계수를 구해야 한다. 만일 국어점수와 산수점수의 상관을 구하고자 할 때, 지능의 하위요인으로 추리능력을 통제한다면 zero-order 상관과는 다른 결과를 얻을 것이다.
부분상관계수를 산출하기 위해서는 메뉴의 ‘Analysis→Correlate→Partial..'를 선택해야 한다. 다음과 같이 마키아벨리즘점수를 통제한 상태에서 사회성과 내외통제점수의 부분상관을 구해보자.
위와 같이 변수를 지정하고 ‘OK'버튼을 누르면 다음과 같은 결과가 산출된다.
- - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S - - -
Controlling for.. MACHI
SPOWER CONTROL
SPOWER 1.0000 .4437
( 0) ( 27)
P= . P= .016
CONTROL .4437 1.0000
( 27) ( 0)
P= .016 P= .
(Coefficient / (D.F.) / 2-tailed Significance)
" . " is printed if a coefficient cannot be computed
위의 결과는 부분상관계수는 SPSS의 피벗데이블(pivot table)로 산출되지 않고 일반 텍스트로 산출된 것이다.
결과표에 산출된 상관계수 r=.4437은 마키아벨리즘(machi)이 통제된 상태에서 사회성과 내외통제점수의 부분상관이다. 앞서 분석된 zero-order 상관계수 r=.531과 비교하면, 약 .087의 차이가 난다. 이 차이는 마키아벨리즘이 두 변수의 상관에 미치는 효과이다.
▶ TIP3: 양류상관계수(point-biserial correlation coefficients)의 산출
자주 사용되지는 않지만 경우에 따라 유목변수와 연속변수의 상관을 구하고자 하는 경우가 있다. 대부분 인구통계적 특성을 많이 사용하는 조사에서 직관적으로 성별과 소득, 학력과 소득과 같은 변수들의 상관을 알고자 할 때 양류상관계수를 사용하게 된다.
양류상관계수는 자주 사용되지 않기 때문에 SPSS for Windows에서 메뉴에 제공하지는 않지만 분석할 수 있는 방법이 있다. 먼저 메뉴의 ‘Analysis→Scale → Reliability Analysis'를 선택한다.
그 다음 Reliability Analysis의 대화상자에서 'Items' 항목에 분석할 변수를 지정하고, ‘Model' 항목에서 ’Guttman‘은 선택한다.
그리고 ’Statistics'버튼을 눌러 ‘Inter-Item'에서 ’Correlation'을 선택한다.
‘Continue'버튼을 눌러 Reliability Analysis 대화상자로 돌아와 ’OK'버튼을 누르면 SPSS 뷰어가 열리면서 다음과 같은 결과물이 산출된다.
****** Method 2 (covariance matrix) will be used for this analysis ******
R E L I A B I L I T Y A N A L Y S I S - S C A L E (G U T T M A N)
Correlation Matrix
SEX MACHI
SEX 1.0000
MACHI -.5658 1.0000
N of Cases = 29.0
성별(sex)과 마키아벨리즘(machi)의 양류상관계수는 -.5658이다. 유의수준이 표시되지 않으므로 직관적으로 상관을 파악해야 하는데, 대략 .30이상이면 실질 상관이 있는 것으로 보므로 높은 상관이 있다고 해석해도 무방하다.
특히 부적상관을 가지므로 남자(1)가 여자(2)에 비해 마키아벨리즘 성향이 강하다고 할 수 있다.
사실 성별과 마키아벨리즘의 관련성을 분석하고자 한다면, t검증이 더 적합하다. 다만, 여기서는 유목변수와 등간척도 이상의 데이터의 상관을 분석하는 방법을 설명하기 위한 것으로 생각하면 된다.
푸른들(kuenyoun)