Korelacje
Korelacja czyli związek między dwiema zmiennymi, gdzie zmianom jednej wartości towarzyszy zmiana drugiej wartości.
Przy porównywaniu zmiennych mierzalnych, gdzie rozkłady w obu grupach są zgodne z rozkładem normalnym, korzystamy z współczynnika korelacji r Pearsona. Przyjmuje on wartości od -1 (dla silnych związków ujemnych) do +1 (dla silnych związków dodatnich). Korelacja ujemna oznacza, że wzrost wartości zmiennej A, powoduję spadek wartości zmiennej B. Korelacja dodatnia świadczy o tym, że wzrost wartości zmiennej A, powoduję wzrost wartości B.
W przypadku gdy istotność korelacji (p) jest większa od przyjętego poziomu istotności (α), należy stwierdzić, że między badanymi zmiennymi nie występuje istotny statystycznie związek.
W przypadku gdy istotność korelacji (p) jest mniejsza od założonego poziomu istotności (α), to stwierdzamy, że pomiędzy badanymi zmiennymi istnieje istotnie statystycznie związek.
W kolejnym etapie obliczamy współczynnik determinacji, czyli współczynnik korelacji podniesiony do kwadratu. Mówi nam on o tym, w jakim stopniu zmienność jednej zmiennej, jest wyjaśnianą przez drugą zmienną.
W przypadku gdy jedna z badanych zmiennych ma charakter porządkowy to korzystamy z współczynnika korelacji rang Spearmana. Należy go interpretować w sposób identyczny jak w przypadku współczynnika r Pearsona.
W przypadku analizy ankiet, często zamiast danych mierzalnych czy porządkowych spotykamy się z danymi nominalnymi. Na przykład na pytanie czy ankietowany pali papierosy, otrzymujemy dwie odpowiedzi: tak lub nie. W celu zbadania czy palenie papierosów jest zdeterminowane przez np. płeć (także dane o charakterze nominalnym), musimy skonstruować tabele krzyżowe i obliczyć współczynniki kontyngencji. W przypadku zmiennych nominalnych używamy dwa rodzaje współczynników – Phi Yula dla tablic czteropolowych i V Kramera dla pozostałych tablic.