Коэффициент конвергенции

1-ая пара гипотез.

H1 (альтернативная): должное образование монарха влияло на то, открывал ли он учебные заведения при своём правлении;

H0 (нулевая): образование монарха не играло никакой роли в массовом открытии учебных заведений;

Для того, чтобы найти данный коэффициент я использовала возможности SPSS и построила таблицу сопряженности для наглядности:

Должное образование * Учебные заведения Crosstabulation
Count
		Учебные заведения	Total
		да	нет
Должное образование	да
нет
Total

 

Вычислим коэффициент с помощью SPSS:

 

Proximity Matrix
	Fourfold Point Correlation
	Должное образование	Учебные заведения
Должное образование	1,000	,165
Учебные заведения	,165	1,000
This is a similarity matrix

Вывод: полученное нами число 0,165 доказывает правильность нулевой гипотезы. Оказалось, что наличие или отсутствие у монарха должного образования не играет никакой роли в его желании открывать учебные заведения. Действительно, в истории немало случаев, когда малообразованные монархи, будучи уже на престоле начинали тянуться к знаниям и с большим удовольствием делились этой возможностью с другими людьми. Например, монарх Великобритании Георг II с детства не слыл большой тягой к знаниям, но уже к преклонным годам всерьёз увлёкся астрономией и математикой, а позже открыл Гёттинский университет, который существует и ныне.

2-ая пара гипотез.

H1 (альтернативная): чем больше детей у монарха, тем больше у него стремления к открытию учебных заведений в стране;

H0 (нулевая): количество детей монарха не играло важной роли в желании открыть учебные заведения;

Для того, чтобы найти данный коэффициент, я использовала возможности SPSS и построила таблицу сопряженности, чтобы наглядно оценить данные:

Дети * Учебные заведения Crosstabulation
Count
		Учебные заведения	Total
		да	нет
Дети	мало
много
Total

Вычислим коэффициент конвергенции в SPSS:

 

Proximity Matrix
	Fourfold Point Correlation
	Дети	Учебные заведения
Дети	1,000	-,117
Учебные заведения	-,117	1,000
This is a similarity matrix

Вывод: полученный в результаты расчёта оказался равен по модулю 0,117, что доказывает верность нулевой гипотезы. Оказалось, что наличие у монарха детей не играло никакой особой роли в желании открывать учебные заведения. Возможно, это связано с тем, что дети монархов, как правило, обучались частными преподавателями, поэтому на желании открыть учебные заведения количество детей не играло никакой роли. Видимо, данное желание исходило из каких-то других побуждений монарха.

 

3-я пара гипотез.

H1 (альтернативная): количество удачных реформ монарха зависит от того, в каком возрасте он вступил на престол;

H0 (нулевая): количество удачных реформ монарха не зависит от возраста вступления на престол;

Перед непосредственным вычислением коэффициента конвергенции я сделала признак «Во сколько лет вступил на престол» качественным. Для этого с помощью встроенной функции СРЗНАЧ я нашла среднее (32,5 лет), которое будет делить признак на две категории: рано и поздно. Признак «Успешные реформы» был разделен на «много» и «мало» в предыдущих расчётах (0-мало успешных реформ, 1 – много).

Для наглядности я построила перекрёстную таблицу в SPSS:

Вступил на престол * Успешные реформы Crosstabulation
Count
		Вступил на престол	Total
		рано	поздно
Успешные реформы
Total

 

Теперь найдём непосредственно сам коэффициент:

 

Proximity Matrix
	Correlation between Vectors of Values
	рано	поздно
	1,000	,139
	,139	1,000
This is a similarity matrix

 

Вывод: согласно расчётам, проведенным в SPSS, верной оказалась нулевая гипотеза, которая утверждает, что количество успешных реформ монарха не зависит от того, во сколько лет монарх вступил на престол. Если окунуться в историю, то можно сказать, что возраст вступления на престол действительно не играет никакой роли. На примере моей выборки: Вильгельм Оранский, который вступил на престол в возрасте 65 и принял 14 успешных реформ и Георг III, который взошёл на трон в 22 года и принял 12 полезных для страны реформ. Разница в возрасте огромная, однако количество реформ практически равное.