Корреляция Спирмена, отрицательные числа

[annagerasimova]

1. Есть данные по тесту
2. и есть разница в оценках до и после по другому тесту. Понятно что 2-4=-2, т.к. число отрицательное.
Можно ли коррелировать Спирменом эти два показателя, один из которых в том числе содержит отрицательные числа? 
или нужно по любому сначала разницу привести к положительному числу (в нашем случае "-2" заменить на "2").

Comments

[ralfer]

гхм, спирмен же вроде ранговый коэффициент?

[annagerasimova]

т.е. не учитывает различия, а только последовательность...

это значит, что нужно все перевести в положительные числа? ;)

[ralfer]

Да, важна последовательность, но переводить в положительные не нужно.
Ранговый коэффициент подразумевает, что вы все значения переводите в ранги (т.е. упорядочиваете по возрастанию), либо за вас это делает программа, соответственно никакой разницы между положительными и отрицательными значениями нет.
пс. я не уверен в логичности самой процедуры (вычисления разницы оценок) и последующего применения Спирмена

[annagerasimova]

все дело в том, что разные данные получаются, когда отрицательные числа, либо положительные.
Коррелирует и там, и там ;)
вопрос - что верно? ...

[sh_ea]

По идее переводить в положительные не нужно - важна последовательность!!!
А для вашей задачи просятся прямо тесты для связанных наблюдений - параметрические (Т или Z) или непараметрические. СПСС их чудесно считает.

[annagerasimova]

Т - это т-критерий? и им тоже считала.
причем данные получаются другие, чем по спирмену.... хехе... т.е. другие переменные коррелируют... и это как-то странно...

а Z - это у нас что?

[sh_ea]

Почему другие переменные коррелируют? Не понимаю. Просто другой способ расчета, Спирмен предполагает, что выстраивается рейтинг популярных по частотм ответов и сравнивается последовательность рангов в двух группах. А тесты предполгают, что рассматривается отклонения от средних значений до и после эксперимента и оценивается значимость изменения средней. Первый случай (Спирмен) и непараметрические тесты - для переменной, распределенной не нормально (гистограмма не похожа на кривую Гаусса никаким местом), параметрические - T и Z - для нормально распределенных данных.

Т и Z отличаются тем, что в Т-тесте есть поправка на малочисленность выборки (менее 30 случаев) и более аккуратные выводы о наличии связи между признаками.

[annagerasimova]

тоже не понимаю.

Ладно, пошла мучаться дальше.
проверю распределение и т-критерием посчитаю тоже.

[kovla]

а что вы сделать хотите в итоге, т.е. в чем гипотеза?

[annagerasimova]

(психология)
если кратко.
есть программа, и есть испытуемые, которые ее проходят, и есть измерения ДО и ПОСЛЕ прохождения программы.
Гипотеза:
что чем больше определенный Копинг, тем больше изменилась определенная оценка по прилагательным (их 36 штук). (вторая оценка минус первая = разница).

В целом коррелирует и с отрицательными числами и с положительными... ))) причем с разными.
вопрос - что правильно?

[kovla]

Не совсем понятно, что такое Копинг, но почему нельзя использовать обычную корреляцию Пирсона?

[kovla]

Еще один момент: разницу можно выражать и отношением. Они все положительные будут.

[materialist09]

А почему не Пирсона. Нужно докать связь или влияние?

[annagerasimova]

потому что распределение не нормальное.
нужно доказать влияние (если честно, то пока что у меня в сознание это =связь).
"чем больше одно, тем сильнее изменилось другое".

[materialist09]

Тогда тут идут нелинейные корреляции и т.д. Но, если не сравнивать средние в подвыборках, то ненормальностью распределения можно и пренебречь и пользоваться Пирсоном.