עיבוד הנתונים
אפשרות א': מדגם אחד עם שני משתנים
הקשר בין המדדים ורמות המדידה:
|
אינטרוולי ומעלה |
סדר |
שמי |
|
|
ü |
X |
X |
פירסון (r) |
|
ü |
ü |
X |
ספירמן |
|
X |
X |
ü |
חי בריבוע |
דוגמה: טוענים כי קיים קשר בין כמות המשקעים וכמות היבול. הפיזור יראה כדלהלן:
 |
פיזור הערכים נגרם בגלל משתנים נוספים. אם משתנים אלו לא היו קיימים, הקו היה ישר ואחיד, והמשקעים היו מסבירים את היבול ב-100%, כמו בדוגמה הבאה:
 |
מדד פירסון בודק את עוצמתו של הקשר. מדד פירסון יכול להיות בערכים של בין 0 ל-1 בערכים מוחלטים, כאשר ככל שהוא קרוב יותר ל-1, כך המתאם גבוה יותר. הסימן (שלילי או חיובי) קובע את סוג הקשר בין המשתנים (קשר שלילי או קשר חיובי).
רגרסיה (r2) - הצורה האופטימלית בה עובר הקו לאורך הפיזור, הווי אומר: המרחק הקצר ביותר (בערך מוחלט) בין הערך ובין הממוצע. הרגרסיה אומדת עד כמה המרחק הזה מסביר את התופעה, ולכן המדד נקרא "שיעור השונות המוסברת". הרגרסיה השימושית ביותר היא הרגרסיה בשיטת הריבועים הפחותים. במדד זה יעשה שימוש בפרק ההמלצות, על מנת להסביר עד כמה המשתנים שלנו מסבירים את התופעה.
אפשרות ב':שני מדגמים עם משתנה אחד
באפשרות שכזו, הניסוח הוא במונחי הבדל ולא במונחי קשר. הכלי המרכזי לביצוע הניתוח הוא מבחני t לסוגיהם. המקרים האפשריים באפשרות זו:
|
מדגמים תלויים |
מדגמים בלתי תלויים |
|
|
|
|
התפלגות חד צדדית (חד זנבית) |
|
|
|
התפלגות דו צדדית (דו זנבית) |
ü מדגמים תלויים: קיים קשר בין הפרט במדגם א' ובין הפרט במדגם ב'. בעיקר במדגמים של "לפני ואחרי" (למשל: אותה כיתה נמדדת לפני הקורס ואחרי הקורס).
ü מדגמים בלתי תלויים: לא קיים קשר בין הפרטים בשני המדגמים (למשל: שתי כיתות שונות שעברו אותו קורס).
ü השערה דו צדדית: אין כיוון של הבדל, כלומר, לא משוער איזה מדגם גבוה יותר או נמוך יותר (למשל: משערים שקיים הבדל בין בנים לבנות בציונים במתמטיקה בבי"ס יסודי).
ü השערה חד צדדית: ישד לחוקר השערה על הכיוון של ההבדל בין המדגמים (למשל: משערים שצעירים גולשים באינטרנט יותר ממבוגרים).