corrélations bivariées
Cette fonction nécessite Statistics Base Edition.
La procédure Corrélations bivariées calcule le coefficient de corrélation de Pearson, le rho de Spearman et le tau-b de Kendall avec leurs niveaux de signification. Les corrélations mesurent comment les variables ou les ordres de rang sont liés. Avant de calculer un coefficient de corrélation, parcourez vos données pour rechercher les valeurs extrêmes (qui peuvent provoquer des résultats erronés) et les traces d'une relation linéaire. Le coefficient de corrélation de Pearson est une mesure d'association linéaire. Deux variables peuvent être parfaitement liées, mais si la relation n'est pas linéaire, le coefficient de corrélation de Pearson n'est pas une statistique appropriée pour mesurer leur association.
Exemple : Le nombre de matchs de basket-ball remportés par une équipe est-il lié au nombre moyen de points marqués par match ? Un nuage de points indique qu'il existe une relation linéaire. L'analyse des données de la saison NBA 1994–1995 démontre que le coefficient de corrélation de Pearson (0.581) est significatif au niveau 0.01. On peut penser que plus on a gagné de matchs dans une saison, moins l'adversaire a marqué de points. Ces variables sont liées négativement (–0.401) et la corrélation est significative au niveau 0.05.
Statistiques : Pour chaque variable : nombre d'observations avec des valeurs non manquantes, de moyenne et d'écart type. Pour chaque paire de : coefficient de corrélation de Pearson, rho de Spearman, tau-b de Kendall, déviation des produits en croix et covariance.
Remarques sur les données des corrélations bivariées
Données : Utilisez des variables quantitatives symétriques pour le coefficient de corrélation de Pearson, et des variables quantitatives ou des variables avec des catégories ordonnées pour le rho de Spearman et le tau-b de Kendall.
Hypothèses : Le coefficient de corrélation de Pearson part du principe que chaque paire de variables est gaussienne bivariée.
Pour obtenir des corrélations bivariées
Cette fonction nécessite Statistics Base Edition.
A partir des menus, sélectionnez :
- Sélectionnez plusieurs variables numériques.
Les options suivantes sont également disponibles :
- Coefficients de corrélation : Pour des variables quantitatives, normalement distribuées, choisissez le coefficient de corrélation de Pearson. Si vos données ne sont pas distribuées normalement ou si elles comportent des catégories ordonnées, choisissez le Tau-b de Kendall ou la corrélation de Spearman, qui mesure l'association entre les ordres de rangs. Les coefficients de corrélation vont de la valeur –1 (relation négative parfaite) à +1 (relation positive parfaite). La valeur 0 indique l'absence de relation linéaire. Lors de l'interprétation de vos résultats, vous ne pouvez pas, à partir de l'existence d'une corrélation significative, conclure en l'existence d'une relation de cause à effet.
- Test de signification : Vous pouvez choisir des probabilités bilatérales ou unilatérales. Si la direction de l'association est connue à l'avance, choisissez Unilatéral. Sinon, sélectionnez Bilatéral.
- Repérer les corrélations significatives : Les coefficients de corrélation significatifs au niveau 0,05 sont identifiés par un seul astérisque et ceux qui sont significatifs au niveau 0,01 sont identifiés par deux astérisques.
Cette procédure reproduit les syntaxes de commande CORRELATIONS et NONPAR CORR.