ι η ιι η η ι η η η ι ιη () ι η η η ιη Pearson r ι η!η ιι η η η ι ιηη. $ιη ηι ι η " ι η ι (ι) ι. 6 ι- ι ι ι η ι ι ι η η,!ι!ι ι η η, ι ι!

Transcript

1 ! # " ι η ιι η η ι η η η ι ιη () ι η η η ιη Pearson r ι η!η ιι η η η ι ιηη. $ιη ηι ι η " ι η ι (ι) ι. 6 ι- ι ι ι η ι ι ι η η,!ι!ι ι η η, ι ι!ι η η ιι: ι ι" η η ι ι ηι η ιη!"ι ι. & ι ι ι ι η ι ι ηι" ι ι η. ι ι ι η: +ι 3 +ι η ι ι ι η η 9 ι ι η ι η η (. ( ι η ι ιη, η η. ι!ι ι ι ι η. 79

2 +ι, ι ι ιι ι ι ι ι ι η ι" ι ι ι. ; ι ηη ι ι η ι ι ι, η ηι ηη ι η ι ι η, ι, η ι η η. ι ι ι η/ι!ι ιι ι η η η η ι η. )(,εε),)()&,)ηp:?;9d8;-ο3ο}3ο)εεn+ο/,ο( $ι ιι η η ι η η η ι ιη () η ηι ι + 0 Pearson r ( ι ι Pearson Product Moment Correlation) η Karl Pearson ( ) ιη η "ι ι ιη ιη (bivariate correlation) ι ιι, ι! η ηι ιι ι ι η η (partial correlation) ι ι!η η ι!ηη η "ι ι (multiple correlations).. # ι ι ιι ι ι η ι ιη Pearson r ( ι) : - ι% ' ',ι Pearson r ( Xx X i )( X y Yi ) r ( X x X ) ( X y Y ) X x X )( X y Y ) ι ι η ι ι η η 9 ( i i i η ι ι η η ( (ι ι SP -Sum of Products of Deviations, S XY Sum of Cross-Products), X x X ) ι ι η ι ι ι η ( i η 9 ( ι ι SST X ), ι X y Y ) ι ι η ι ι ι η ( i η Y ( ι ι SST Y ) η, "ι ι ι η η " η!ι., ιη Pearson r ι ι -1 ι +1. η ι ηι"ι ±1 η ιη! " η ι ιη, η ι ηι"ι η ι ι η ιη. η ι Pearson r ι ±0,1-±0,3 η ιη η"ι, ±0,3 ±0,5 η"ι ι, ±0,5 ±0,7 ι ι ±0,7 ι. η ι r ι η η ι ιη. ι ι η ι ι " ι η" ι ι ι η, ι ι" ι : i 1 Karl Pearson, «Mathematical contributions to the theory of evolution. III. Regression, heredity and panmixia», Philos. Trans. Roy. Soc. London Ser. A, 187, 1896,

3 /ι: ι ιη ι ι ι η ι ι ι /ι: ι ι ι η!ι ι ι ι ι η ιη ι ι ι η. η ι ι ι ι ηι ιη. η ι ιη Pearson r ι ηι ι ι ηι ιη! " η, η!ι ι ι ι η 9 ιι ι ι η η ( ι. #ι, η ι ιη Pearson ι ι ι ι ι ιη, η!ι ι ι ι η 9!ι ι ι η η ( ι.!η ι ιη " η 9 ι (! α! α ααα αα 0 α 0 αα-αα α! α, α/,.,ι η ι ι ι η ι ι!ηη η η η!ηη, ι ι ι ιη' ι ι ι, ι η ι ι η η : ι ι. 6ι η η η : ι ι η ι ι! η 9 ι (. $ι η ι η ιιη η!ι η η 81

4 ι ιι η ιι ι ι η ιιη. # ι ι ιι ' η η ι η ι η «ιιη» ηι ι ηι ι. ι, ι ι, ι ι ηι ι η ιηη η ιη η η η η! ι η ι η ιι, ι η ι ιι ι'ι η ι η ι ιιι ι. $ι η η Pearson r ι η ι ι η ι ι % ι. / ι % ι ι ι ) η ηη η ι ιηι ι (η ι), ) " ι η ι!η " ι. # ι, η ηιη % η ι Karl Pearson ι η!ιη η η η η r ι ι η ι η ιη ι ι η ιη ι (bivariate normal distribution). # ηι ι η ι ι η ι ι!η η ι η η (univariate normal). / η ι" ιη ι ι ι η ι η ι ι ι η η η ι" ι. # η % η ι ιη ) η η ι η ι ι, η η ιηη (regression line) ι ι η ι ι ηη ι, ) η η η ι ιι (homoscedasticity assumption), η η ι η ιηη (! ι ι ) ι η ι "η ι η ι ) ι (! ι ι η ι ιηη). # η % η ι ι η "ηη!ι η ηη η ι ιηη η ι ι η Pearson George Udny Yule 1 ( ), η ι η % η η ιη. *ι η η ι ι ι η ι!η! ι η ι ι ι"ι ι ι ι η ι ι ι η ι ι η η ι r 3. η ι ι ι ιη η η ιη η ι η ι ι ι ι η ι η ι η η. 3 ι η η η η ι ι " η ηη % ι η ιι ιη ι ι! ι ι ι ιη η η η η Pearson r ι'η ιη η ι ι η "ι!. 6 η! η ι η ι ι 'η # ι η η η ηη. ; η ι η η! ι ι η ι ι 'η ι ι ι. 5!ι η η η ηι η "η 10 ιι ι ι ι # ι η η ι ι ι ι η η # ( 5 00 ). = η ηη η "η ι ι ηη ι # ι ι 1 5. ι"ι ι ι ι : 1 George Udny Yule, «On the theory of correlation», J. Roy. Statist. Soc., 60, 1897, R. V. Hogg ι A. T. Craig, Introduction to mathematical statistics (3η.),. (η: Macmillan, Q. McNemar, Psychological Statistics (4η.),. (η: Wiley, 1969,

5 ι ι ' % ($ 3) 0% 'ι % ($ -) ι ι ι ιι η η, ι η η Pearson r ι!ι η η ι η ι ιι ι η ι r ι -0,04 ι ιη 5% ι ιι η. 3η η ι ι ιι η % η η ιη η ι Pearson r ι ιη η ι ηι. $ι!ι η ι η ιη ι η η ( ι ι η η 9 ι (ι) (ιιη), η η ι η ι ιιι. ι ιιη ι r@0 ι ι " ι η" η ι ι η!ι ι ι (. ι ).!η η ιιη ι ι η η η ι ηι η/ι ηι ηι η ι ηι ι. 83

6 ι, ι ι, η ι " ι η η"ι η ιι η ι" ι η ι ι η η., η/ι ι ι ι /η η ι η ι ηη ι η"ι ι η, ι ι ι ι ηη. ηη ι. ι ι η ι ιη ι ι η ιη.,ιι ι, ι ι, ιη ηι η ι ι ι ι. ι ι ιι ι ι ι ι ι ηι η ι ι. $ι ι ι ιι ηι ι ι ι ι! " ι «ι» ι ι η ιη (.. ι ι η ). ι ' Pearson r $ι Pearson r ι ιι ι η! ι. ηι η ι ι ι ιη ι η " ι ηι 18- ι η η ηι ηη ηη. 6 ι ι ι ηι η 10 ηι 18- η () " ι ηη η. )' :. 'ι' $.. *!! ($ 3) 84 $.. ι * % ($ -) η "η ι ι ι ι ι ι "ι ι- ι ηι ι ηη ηη.

7 $ι ι ι "η ι ηι ι 1.! η η 9 ι η η (. ηι ι η ι ι η ι " ι. 6ι η"ι : ι ι ι ι ι η ιη ι η "η ι ι η ι"ι ι ι ι. )ι ι ι η ι, η ιη ι ι! ι ιη Pearson r ι η ι ι ι ι η. $ι ι ι ι ιι ι η η η ι η η (ι ηι 18- ) ι ιη Pearson r. η η ι ι ηι η ιι η ηι η η η: / ι ι ιη ι η " ι ηι 18- ι η η ηι ηη ηη ( : =0). ι η ι ι ι ιη ( 1 # Pearson r ι η, " ι 31 η η 9 (η) ( X X x 3, 1) N ι ( (ηη) ( Y X y 3) N 10 ι η ι ι ι!ι : 3 - X x X i X y Y i ( X x X i )( X y Y i ) ( X x X i ) ( X y Y i ) 3 0,1 1 0,1 0, ,1 - -4, 4, , ,1 0 1 # ι ηι ι ". η ι η η ηι ι ι η ηι ι ηι ι ι r η ι ι. 85

8 1 6,1-3 -6,3 4, , , , , ,9-1 0,9 0, ,9-3,8 3, ,9-3,8 3, ,1 1 0,1 0,01 1 3=31 -=30 )( X x X i X y Y ) -17 ( Xx X i ) 18,9 ( Xy Yi ) 4 X x 3,1 X y 3 : ( X x X i )( X y Yi ) ιι ι.-1 η ι ηη η ιη (covariance) η ι ι ι ι ι ι η. ι ι, ι 'η ι ι η η 9 ιι 'η ι ι η η ( ι (ι ) ι 'η ι ι η η 9 ιι 'η ηι ι η η ( ι. ι ι ι ι ι η ι η 'ηη ι. η ι!ι η ηη η η. # ι ι η η 9 ηι ι ι η ι η ηη η ιη ιη!ιι η -17., ι Pearson r η ι η ηη η ιη ι ι ι ι η ιη η ιη " η η ιη " η ι ι ι ιι ηη. * η! η ιη: 17 ι ι, η ι Pearson r= -0,798. * η r η ι ι ι ιη 18,9* 4 ι ι ηι ι η "ι 17 ι ι η η ηι ηη ηη. +ι ι 1,9789 η ι ιι ι ι ι η ι-ιι. A ι ι -0,798 ι η"ι η ι ι ιι ι!ηι!... : η ι Pearson r (r ) η ι η η ιη η η η η. ι r = 0,6371 ι ηι ι 63,71% η ιη ι η 9 ι ( ηι η! η. To r "ι ι ιι (coefficient of determination). &ι!ιη η η ι η ι r ι ι η η ι η ι Pearson r ι ι ι ιιηι ι ι. $ι ι ι ι r=0,8 ηι ι ι ιη ι ι r=0,4. η η η r =0,8 =0,64, η ηι 64% η ιη ι, η η η r =0,4 =0,16, η ηι ι 16% η ιη! # η ι ι η ι r ηι"ι ±1 η ιη ι ι ι ηι"ι 0 ι ι. * η ι ηι ι ι ι r ±0,3-0,5 η «ι» ιη η!η ι ι η ηι ι 5% η ιη ι. ι Pearson r ι " ι ι 'η ηι"ι -1, ι η (= ι ι ι ηι 18- ) ιι. η ηη ι ι «ι ι η ιη η ι r ' η ιη';» ι ι 'ι ι 'η ι r η η ι. # ηι ι ι η " ι ι ιη η ιι. 86

9 ε/+,οη3,--,ο+,ο(;-ηε-,.+η)η),,),-)η+,-,η, # ι ι 10, ι 100 ιι ι ι ι " Pearson r ι ι η. &ι ι ι η ι Pearson r ι, ι ι ι ι ι ι ι η ι. ι r ι ι ι η "ι ι ι ' r (sampling distribution of r), ι η ι ι ι η ι "ι ιη ι (ι η "η η ι). η ιη ι r ι"ι ι ι $ι ι ι /ι 'η ι r ι ι ι η η η ιη ι ι"ι ι ι η η 0.,ι ι ι η r ι ι ιη ι (df=n-) ι"ι η ι. $ι ηι ι ιι ι ι η ιη η ι r= -0,798 η ιη' ι : df=.-= 10-=8. p ι r ι $ *' 5%,5% 1% 0,5% 0,05% df ι *' 10% 5% % 1% 0,1% 8 0,549 0,63 0,716 0,765 0,87 3: # ι r ι ι df=8 ι ι η ι η ι ι ι ι r η ι, ι ι df ( 8) ι ιη p ' η ιη'. 5 ιι, ι ι ι ι 99% ι ι ι df=8 η =0 η ι r ι ι ιη η ιη ι 0,765. ι r ι ι!ιι ι ' η ιη =0. ι ι ιη 1% η ι η ι η 10 ι ι η ι r>0,765. 3η ι ι 8 η ι Pearson r (r= -0,798) ι η η ιη ι 0,765 ι ιη 1% (p=0,01 - ). & η ιη η ι Pearson r ι η ιη' ι ιη 1 100, η ι ι 'ι η ι ιη ι!ιι ι ι ' η ηι η ι ι η ι, η ι η ηι 18- ιι ι ι ιη ι ι ι ι ηι ι η " ι η η ηι ηη ηη : # ι (...=5) ι 3. 6 ι " η ι Person r ι ι η η ι ι r= - 0,798. &!" ι ι ι ι ι η ι r ι ιη ι η ιη ι 0,878 ι p=0,05 ι ι η ' η ηι η ι =0. 7 ι ι ι ι ηι ι ι ι η ιη η ι r ' η ι. $ι ι ι df=3, ι 90% ι ι ι r ι -0,804 +0,804 η η ι ι 0! $ι ι ηι ηι ι. ι"ι! ι 1 10 ι η ι (df+) η ιη ι Pearson r.! ι ι ι r ι ιι ηιη 5% ι (ι,5% ι ). 87

10 ι η ι ι ~.<30 ιι ι ι ι Pearson r ι r=0 ' η ι , ι η η ι ι =0, η ι η!" η!. $ι ~.>30 ι r ' η ι ι ι. : *ι ι!η ι ι ιι ι ι η ι ι ι ι ι η ι ηη ηι ι. / ιι η ι 18-, ι ι, " η ηη 6 ηη ι ι ι! ι ηη ι ι η, ι ι r ιι ι 'ι η ι r ι t, ι!η ι η ι. η, ι ι η ιι ηιη η ι Pearson r ι ' η ι Pearson r ι t ι ι ι t ι., η η Ronald Aylmer Fisher ( ) ι ' ι ι η ιη Gossett ( ι student) ι η!η ιι η 1., ι : t r ( N ) (1 r ) ) ιη ι : 8 8 t -0,798-0,798-3, ,6371 0,369 1 Ronald Aylmer Fisher, Statistical Methods for Research Workers, Edinburgh and London: Oliver and Boyd, 195 [/ιι η ιη 9/06/006]. & η ι Churchill Eisenhart, «On the Transition from "Student's" z to "Student's" t», American Statistician, 33(1), (+., 1979),.6-10., η ιι R.A. Fisher ι η η «Bηι # R.A. Fisher» 3 ιη η # η ηι ιη [.. 09/08/006] 88

11 # ι t ι η ι ι 8 (df=n- ) η ι t= 3,74769 ( η) ι η ι η ιη t ι 3,35539 ι ιι ηιη 1% ( ). p ι t ι $ *' 5%,5% 1% 0,5% 0,05% ι *' df 10% 5% % 1% 0,1% 8 1,8595,3060,8965 3, ,0413 3: # ι t ι ι df=8 ιη ' η ιη t ι ( η η ι Pearson r) η ιη' ι ιη 1%,! ι η ι η ι r ι ι r.,ιι ι ι ι r ι η ι η ι ι t ι ι r : t r ( N ) t $ι ι, ι ιη ι t=,30600 (df=8, p=0,05 ι ι 0,05 ι ), η ιη ι r ι:,30600,30600,30600,30600 r 0,63 8, , , , #! ι ι r ι ι ι ι df=8 ι p=0,05 ι ι 0,05 ι, η ιη ι r ι ι 0,63. & ' ι ι* ' ι ι Fisher s z ι ι η ι Pearson r ι -0,798 ι ι ι ιη 'ι ι *ι η ι ι ιι η ι η η ηι ι ι η. #!" η ι r ι ι ι η ι ι ι ιη ι ι ι ι ηι ι η. ι Pearson r ' η ιη η ι ι ηη (η η ι ) η η ι ι (ι ι rho) η ι ι η. #ι ι η ι r ' ι ι ι ι ι ι ι ι ιη ι/ η ι ι η ι ι ι η ( ι ι C C ι ι). +ι ι ι ι " η ι ι ιι ηιη (ι ι 5%, 1% 1%). & ι η η ιη ι Pearson r ι ι ι ι ι Fisher s z 1. η"ι η ι r ι ι ι ι ι ι ι!η η 1 ι ι r ι ι z. ι η!η., N 3 ι ι ι ι. 3η η ι ι z η Fisher ι!η η ι η ιη η η. 1 / ιι ι η ι ι z. 89

12 $ι ι ιη ιη η ι Pearson r : 1 r ln 1 ) * η ι r ι z ' r z ( ln ι ι ι 1 ιη) ι ι % ι ι ι (, ι ). 1 ( 0,798) 0,018 ln ln 1 (-0,798) 1,798 ln(0,11) -,1873 ' z -1,0936 " ι" r ι z r z' r z' r z' r z' r z' : # η (. ι ) ι "η ι r ι ι ι z η ι ι ι ι r ιι ι ι ι z. ; ι ι ι r, ι ι! ι r ιι ι ι η ι z. 1, ι η η b η η x "ι η η η ι ' η η b ι η ι x. & ι η η b x ι y b ' η η y ι η ι x. +ι ι ln(x) ι ι x ι η η e. e "ι ι Napier ( , " ηι ιη ι) ι e & ηι Leonard Euler ( ). e ιι, ( ι 'η). $ι ι ι ι 8 ι,07944 ι η e 'η η η,07944 ι ι 8. $ι ι ι ι ι ηι ι ι η ι η η ( ι ι η ι!η ln) MS Excel ι ιι «=ln(x)» x ι η ι ι ι "η ι ι. ) ι z η ι Fisher ι η η η ι η «inverse hyperbolic tangent» η ι r. MS Excel η ι η =# #. (r) r ι η ι Pearson r. 90

13 1 1 1 ) ( " ι z 0,378 N ,6458 ) # ι z ι ι " η ιη z ι ι ιι ηιη 0,05 ( z 95% ) ( ), ι 1,96 ( ι ι). ) ( " ι ι ι ιη : # ι z = z +( z 95% )( z ) ) ι z = z -( z 95% )( z ), ι ι ιη ι -1,0936+(1,96)(0,378)= -0,357 ι ι -1,83448, ι z ( η η ι r ι ι). ) * ι ι z 1 ι ι ι ιη ι r : z z e e r z z e e &, ι ' η ι z ι ι ιη ι!ι: -1, ,83448,718818, , , , r -0, , ,83448,718818, , , , ι ι, r, , ,357,718818, ,357 0,357 0, , , , ,701587, , ) ι r η ι Fisher ι η η ι η η ι z. MS Excel η ι η = #. (z). 91

14 * η ι ι ι r= -0,798 ι 8, η ι ι η ι ιη 95% ιη -0,95 ι -0,34 (-0,95C C-0,34). ιη ι ι ι"ι ι η ι ι η ι ι ι. 6 ι ι ι ι! ι ιη ι η " ι ηι 18- ι η η ηι ηη ηη ι ι η ι Pearson r ι (r=-0,798). ( " ι ιη ιη η ι ι ι ιη 95% ι ι ι -0,86 ι -0,714. ιη ι ι ι ι ι ι η! η ι ι η η η η. ι ιη!ι, ι η ι r ι ιι ηιη. $ι η η ιι ηιη 95% ι ι ιη ι ι r=0,3, r=0,5, r=0,7 ι r=0,9 ι ι 5. ι ι" η ι η ι : 3η ι ι ι ι ι ι Pearson r ι ιη ι ιη 95% η ι ι η ι!ιι. η ι r ι!ιι η, ι ι ι ι ιη ι. 9ηιι ι.=10 ι r=0,3 ιη ιη ι 95% ι 1,188 η -1 1 (-0,406DC0,78) ι r=0,9 ι 0,35 (0,64DC0,976)., ι ι ι η η ι Pearson r ι ι ιη ιη ι η ι ι η. ι ιι ι "η ιι ηιη 99% ι 99,9% ι ι η ι ι ιη ι ι η "ι ι. & ι " η ι Pearson r 9

15 ( ι "η) η ι ι «ι ι ιη ι ( ι ιι ηιη) η ι ι η ι ι ι»; ι ιι ηιη 95% ι ι ιη ι ι r=±0,3, r=±0,5, r=±0,7 ι r=±0,9 ι ι 5. 3η ι ι.>1000 ιη ιη ι ι ι r ηι ι η"ι ι ι"ι, ι ι 1000 ι, η ι ι ι η ιη ι ιι. /η η ι!ι ι 1000 ι ι, ι ι ιη ιη ι ι ι ι ι ηι ι ηι ι / ιι. # η! ι ιι η & η ηηη ι ι ι!η η ι ι η η &.&. ι ι ι $ι ι ι ιη η!η 0,1 ι -1 +1, ι!ιι ι, ιι ι η ι Pearson r ι ι ιι ηιη ι!. $ι ι, Pearson r= ±0,3 ι ι ι ιη 0,1 95% ι 185 ι... $ι ι, ιη 99% ι" ι,15 ι... ι ι 99,9% ι" 3,000 #ι, ι ι ι ιη 0,1 ι 95% ιη η ι r=±0,9 ι 65 ι...! $ι ιη 99% ι ι ι 105, ηι... ι ι 99,9% ι 170. ι" ι ι ι ι ιη ~0,1 ιη ι ι Pearson r. & ι* &,ι +ι Pearson r " %ι ι ι* " %ι ι ι* &* ι ι* 93

16 95% 185 0,3 0, , , % 15 0,3 0,4938 0, , ,9% ,3 0, , , % 875 0,5 0, , , % ,5 0, , , ,9% 460 0,5 0, , , % 405 0,7 0, , , % 700 0,7 0, , , ,9% ,7 0, , , % 65 0,9 0, ,938 0, % 105 0,9 0, , , ,9% 170 0,9 0, , , η ι ι ι ιη ~0,1. ι ι ι ιη ι ι η ιι η ι Pearson r. #4)η,ηε-,.+η)η,η,+),ο3η()+3,η,+;,ο(ε./+,ο η ι ι η ι Pearson r ι ιι ηι ι ι ιη ιη ι ιη 95% η ι ι ιη η ι ι η!. & η ιι ι η ιη ηη η ι ιη η η η ι r ι ι.c0 ι ι r@0, ηι ιι ι Fisher ι ι ιη η η' ηη η ιη η: (1 r ˆ r 1 N ) $ι ι, η η η ι r= -0,798, ι ι η η ηη ˆ η ι ι η ι " : (1 0,63715) 0,36875 ˆ -0,7981-0,7981-0,7981 0, ,798 1, ,8168 ι ι!ι ι η ηη η ι ι η, ι -0,798 Pearson r, ι η ι ˆ = -0,8168. *ι ιη η ι r η ι ι Olkin ι Pratt 1 $ (1 r )! ˆ r" 1 "# ( N 3) ι η η: ι 0,36875 ˆ $! -0,798" 1-0, , # -0,7981,059-0,81889,ι ιι ι η η Donald W. Zimmerman.. ι η' r ι η ι" ιη η ι ιη.,ι ι ˆ ' ιι η η ι Pearson r 1 I. Olkin ι J.W. Pratt, «Unbiased estimation of certain correlation coefficients», Annals of Mathematical Statistics, 9, 1958, Donald W. Zimmerman, Bruno D. Zumbo ι Richard H. Williams, «Bias in Estimation and Hypothesis Testing of Correlation», Psicológica, 4, 003,

17 η ι ι ηι!, η ι η ι ι ι ιιι ι ιη ηη η ι η. ε/+εn+ο/,ο()(,εε),)()&,)ηp:?;9d8;),ο$p$$ 6 ηι η! η ι ι η ιι ηιη (ι 1000 ι) ι η ι ι ι η. ι world95.sav ιι SPSS.!+ - ι ι! 0 α+ 0 ι (η babymort) ι ι ι ι η (η lit_fema). αα+ - ι ι 0 α+ 0 ι ι ι ι ι η. $ι η η ιη Pearson r, ι! ι ι ι ι % ι ι ι ιι : 5% 1: ηη η ι ιηι ι (η ι). 5% :,ι ι η η, ηη η ι!η ι ι η ι, ηι ι ι. 5% 3: η ι " ι η ι η. 5% 4: ι η ιη ι ι. 5% 5: ιη ι η ιη ι η. % η 1 ι ιι ι η ηη η babymort ι lit_fema ι ι. η η η ι ι ι ι 1000 ι ι η η η ι ι ι ι ι η. % η η ι ιι ι ι ι ιι ηιη ι η ι ι ι!η ι ι ιι ηιη ι η ι. $ι % 3, 4 & 5 ι * (scatter plot) SPSS : PQm;?FY9$E?<<:;Z,5D%*ι+/* Q)ι.4υ,%9$B_FG::ι)*/,%*υ,)9T:WB8::>,5D%*ι+/* 95

18 VQ)ι.4υ,%*ι,%*8+*.ι*ι,%*5.υ,%$*)$ι%=ι/#tJZIC%ιιD'*ι/=ιXJZIC %ι/7%*/=x%.&%ι$+,$)υ*)7%*,%*+/7%,ι)'*ι,%*8+*.(> XQ*/,%> '! (output) SPSS "ι ι : 3η ι η η ι ι"ι η ι ι ι ηι.!ι ι ι ι η ιι η ι ηιη ι. & η ι ι ι η ι ι ι ι ι ι ι ι ι η. # ι ι η η : 96

19 PQ */,% ι)' ι )/ω $*+ %)ι5/%ι*υι4/,,*$%$, )υ 8$%*ι $* )/7υ ;<;;> Q%*+%.4%ιυ*4%ι.. )/7υ #lpjhb 4ι *+ %)%=%4$*υι4/,,* VQ */,% ι$*%' ι,.$ $% /)ι υ *υ ι4/,,*> *+,% '*ι '% ι υ% %)ι.&7+ ι ).*+$.* &-,> XQ */,% * υ,) )υ 8$%*ι $*+,)/ %4%ω>,5D%*ι+'υ7+/*> [Q*/,%*+%)ι49CB<IB8::> `Q )ι.4υ,%*+,.7 9IB8:?;:> %*+,.7 υ* )/ω $* ι/4,, $%$, %,5D%*ι,ι 4,, )ι',+$+ + ) )*%%,ι%υ7% )υ.&%ι*+,ι'*%+υ*)'$*$+)' *ιυ%*υι4/,,*> Q*/,%KGD9:Q *+,%'*ι+,ιυ47+%,ι%υ7% 4,, )υ ι.&%*ι '$ * υ*' )+$ι.$*%)*ι)%ι$$'*%%*ι,.*υ ι4/,,*> υ* + 4,,.4%*ι /++3+η)η 97

20 iq%υ,%*)/7υ %)%=%4$45+,/*ω)*-* >*+,%'*ι'%ι4. $*)/7υ*ω)*%%$,/*ω, #OVBWVB(> # ι ι ι η η ι " ι η babymort ι lit_fema α -α ι ι ιι η 5% 3 ι η η ιη Pearson r. ι η α+ 0 ι α+ αα+ ( % η 4) ι ι ι ι η. # ι ι η ι ι ι ι (. ι!ι). η ι ι ι η η ι "η ι η, ι ι α α α "η ι ι ι η ιηη. 98

21 η &, ε ε 007 # ηι ι ι ι"ι ι η ι ι η ι ηι ι ι η ι ηιη. ι ι ηιι ι ι ι ι ι ι, ι η ι. η ι ι ηιι ι ι ι ι ι ι ι ιι ι η ι. "η ι η ι ι ι ι η ιηη α+ η η ιη η, ι η ιη ι. 6 ι η ι ιη', η η ιη' ι ι ηι η ι ι (ι ι ι ιη!η η ι ηιη η!"). *ι η ι ( ι ι ) η. 3 ι ι ι ι ι ι ι ι η!" ι ; PQ */,% ι)' ι)/ω $*+%)ι5/%ι*υ ι4/,,* $%$,#ClJBBNHWK@B()υ 8$%*ι $* )/7υ)*%%$,/*ω#@VBWVB(*υ;<;;> Q%*+%.4%ιυ*4%ι..)/7υ#lpJHBNhIB@H(4ι*+%)%=%4$*υι4/,,* VQ)ι.4υ,%*%ιι )/ω$*+,)/%4%ω> XQ */,% ι )/ω $% /7% υ )υ υ,% '*ι %ι %*/ ),υ$,.+ )' *+ 4,, )ι',+$+> %*+%.4%ι/, υ*%,5d%*ι. ι7,')υ)*ι/ $+,%ι* ι7,'*+ $%ι/ $*+ ) 8$%*ι + $υ4%ι,.+&- $* &% %,.ω, $*;<;;> * $υ4%ι,. )/%ι4,%)ι.=,%[υ%)υ$υ,8dυ[&-%,%),υ$,.%*ι,.ιι)%8$*ι $*ι$%ι.!ι!o*υ&%υ%,.ω,> [Q +,%ι-υ,%/)υ*υι7,*ω$%ι- υ*-ι%υ,%*)/7υky?;<e>b<d;> `Qι)%$υ,%*ι&-%υ*.)'*+ /υ$,7).)%ι)/,%$*)/7υ T?<?AB:=*υ&%υ,ι%*)$υ,% )-*)ι&-.&%ιωι)ι+7%$*+$%ι/! ι!o> *+$%ι/!8$%*ι*54ι$*/#8>,%*8+*9l@vabhz:(ι$*+$%ι/!o+ )*$υ/> Qu+$ι,)ι,%*+%*T?<?$:G:E< K?9:9IWED8>B<BD8B99?<B9WB:>> *)$ι )υ)7υι'4υ4/5υ,%*'υ7 #{va?fpjaicbjavil@vabhz(jah #{vb@bcpjajvil@vabhz(>#$,8~$+,%ι 9'&ι:(> 7 7.,% )%$υ,% )' *+ /υ$+)%ι)*-$%ι $*+ 8/$+ ι7,+*ι-,%*8+*- #)&> +,%*8+*Ih)υ)υ$ι/Dυ,%$*+$υ.&%ι(*'*%+$*=+*+%*,)%%ι#{ iih(jah#{ }riih(>*+,%'*ι 4ιι7,%8/Dυ,%%ι$4ω4ι/#+>4ι,%*8+*.)υι*ι,.*υ% %ι*)υ9cbhiaf:')ω*dυ,%*/*++,ιυ4*ω,%*8+*-$*)/7υ9rjhijsknrinp:> iq*/,%9kd8<b8h::q jq9ok>:> * ι! ι ι η 99

22 η &, ε ε 007 ι ι. η ι η Pearson r ι! η ηι η ι η. # ι ι: PQA8?GSl: KD;;:G?<:BBM?;B?<:>,5D%*ι+'υ7+/* Q%*5.υ,%*ι,%*8+*.$*%=)$ι> VQ)ι.4υ,%*$υ*%%$* $υ$&.*ι$+p:?;9d8>d)ω )*+,%E$%υ**+/*,),%%)$+ &+$ι,)ι$υ,%#/4,% *%,.,(ι*υ $υ*%%$*.knahjkkfcbjv3sι *;WNJHMJA)υ%=%*/$,%$* )+4,%%5/ι> XQ *+%)ι4t:9<dw$b^8bwbe?8e:%)ι.4υ,%9t=dp<?bg:>:4ι*+ι*)ω$+*+,+%ι, υ)'7%$+*ι*/+*+#%$+,%ι-$%ι4ι*+ι*)ω$+,+%ι-υ)7.$%ω(> [Q *+%)ι49of<bd89:%)ι.4υ,%9m:?89?8>9<?8>?;>>:mb?<bd89:-$*%+,ιυ4+7%ι. ),%*υ,.$υ'υι*υ)ι.)$%ι*ω*ι,-*ω,%*8+*-> `Q*/,%«Continue»> Q*/,%> : Descriptive Statistics ε* $η η ($ εε) ε*0ηω +υ# Mean Std. Deviation N 41,166 36, ,5 7, η ι! 41 ι 1000 ι, η ι ιη ι η (sd=36,4) ι η ι ι. #ι, η ι ι 68,5, η η ι ιη. η ι!" ι Pearson r. 100

23 η &, ε ε 007 Correlations ε* $η η ($ εε) ε*0ηω +υ# Pearson Correlation Sig. (-tailed) Sum of Squares and Cross-products Covariance N Pearson Correlation Sig. (-tailed) Sum of Squares and Cross-products Covariance N **. Correlation is significant at the 0.01 level (-tailed). ε* $η η ($ εε) -,865**, ,78-876, ε*0ηω +υ# ι Pearson r ι -0,865. ι ι ηι η ι ι η ι! η ι ηι. & η η ι ηι"ι -1 ηι ι η ι η ι ηιη ι η ι ι ι. H ι p ( ι «Sig.(-tailed)» ι 0,000 η!ιι η (p<0,001). * ι ι ιη ιη 1 ι ιι η ι ι η η η ι η. η ηι η (: =0) ι ι η ι η ι ι ι ιη ι ηιη ι η ι. 3, η η, η!η ι ι η η ηι η ι! ι η ι-ιι. $ι η ιη ' η ι ηιη ι η ι, ι ι ι η ιι 'η ι η ιη ιι!η η ι η ι η ι... * ι η ι ηη η ι ι 101