A Spearman korreláció azt mutatja meg, hogy milyen mértékben határozza meg az egyik változó nagysága a másik változó nagyságát, illetve az összefüggés irányát és erősségét is. Az ok-okozati összefüggések feltárására azonban nem alkalmas. Ez mit is jelent pontosabban? Azt jelenti, hogy csak azt tudjuk megmondani, hogy a két vizsgált változó összefügg-e, de arra nem tudunk választ kapni, hogy mi minek a következménye.

A Spearman korreláció egy fajta rang korreláció (Rank Correlation). A nemparaméteres eljárások csoportjába tartozik. Minél nagyobb számú a minta, annál pontosabb lesz az értéke. Az SPSS program a kapcsolat szorosságának mérésére a két változó rangszámainak különbségét számolja ki.

Más néven: Spearman-féle rangkorrelációt

Példa
A munkahelyi stresszforrások magas száma a kiégésből következik, vagy fordítva.

Mikor alkalmazzuk a Spearman korrelációt?

Tulajdonságai, elemzése

  • szimmetrikus
  • értéke -1 és +1 közé esik
  • függetlenség esetén értéke 0

Fő mérőszáma a korrelációs együttható (jele: r), melynek értéke - 1 és + 1 között helyezkedik el. A korrelációs együttható minél közelebb van a két szélső értékhez, annál erősebb az összefüggés. A nullához közeli érték az összefüggés hiányát (korrelálatlanságot) jelenti. Pozitív előjelű korrelációs együttható (pl: r=0,854) azonos irányú, pozitív összefüggést, míg negatív előjelű (pl: r=-0,521) korrelációs együttható a két változó közötti ellentétes összefüggést jelzi.

Az elemzés során a következő három eset egyikét lehet megállapítani:

  • Ha az egyik változó pontszámai magasak, akkor a másiké is. Tehát a két változó ugyanannál a vizsgált személynél közel azonos értéket vesz fel. Ezt nevezik pozitív korrelációs összefüggésnek.
  • Az egyik változó magas pontszáma a másik változónál alacsony pontszámmal jár együtt. Ezt nevezik ellentétes vagy negatív korrelációs összefüggésnek.
  • Ha a két változó között nincs semmilyen kapcsolat vagyis korrelálatlanság áll fenn.

Spearman korreláció az SPSS-ben

Analyze → Descriptive Statistics → Crosstabs → Statistics → √ Correlations