SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Correlation: Association between Variables at Different Levels

annahmiller avatar
annahmiller
8 diapositives · 105 Views · Jan 06, 2020

This article explains the concept of correlation and its application to variables at interval-ratio and ordinal levels. It discusses scattergrams as visual representations and the Pearson correlation coefficient. The statistical significance of correlation is also discussed, emphasizing that correlation does not imply causation. An example is provided to illustrate the use of correlation analysis in testing a research hypothesis.

#correlation: association between variables at different levels #correlation: association between variables at different levels ppt #powerpoint #presentation
Correlation: Association between Variables at Different Levels - slide 1
01 / 8Correlation: Association between Variables at Different Levels
1 / 17

Télécharger la présentation

Correlation: Association between Variables at Different Levels
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. CorrelationJuly 7, 2008 Ivan Katchanovski, Ph.D. POL 242Y-Y

  2. Association between Variables at Interval-ratio and Ordinal Levels • Correlation: Association between variables at interval-ratio level • Can be used for ordinal variables with certain assumptions • Scattergrams: graphical plots of two variables • Provide visual information about the existence, strength and direction of the relationship • Independent variable (X): horizontal axis • Dependent variable (Y): vertical axis

  3. Scattergram: Internet use and education level

  4. Direction of association Positive Negative No association

  5. Correlation Coefficient (Pearson’s R) • Correlation Coefficient: Pearson’s R • ranges between –1 (negative association) 0 (no association) and 1 (positive association) • 0: no association • 0-0.25: weak association • 0.25-0.5: moderate association • 0.5-0.75: strong association • 0.75-1.0: very strong association

  6. Statistical Significance of Correlation • Statistical Significanceof Correlation Coefficient (R): • Statistically significant if in SPSS p(obtained)<p(critical)=.05 or .01 or .001 • Statistically nonsignificant if SPSS p(obtained)>p(critical)=.05 • Correlation does not always mean causation

  7. Example • Research hypothesis: The level of economic development has a positive effect on civil liberties • Independent variable: the level of economic development • Interval-ratio • Dependent variable: civil liberties • Ordinal

  8. Example • Pearson Correlation Coefficient: .753 • Positive association in expected direction • Very strong association • Statistical significance • SPSS: p(obtained)=.000 <p(critical)=.001=.1% • Statistically significant at the .001 or .1% level • Research hypothesis: supported by correlation analysis • The level of economic development has a positive and statistically significant effect on civil liberties