Знанието циркулира от общото към конкретното, в този смисъл може да се изучи обяснението на новите явления връзката, която има със събития от едно и също явление, което често се прави в областта на изследвания. Поради гореизложеното е необходимо да се установи връзката между две количествени променливи в група от изследвани лица.
Статистическата наука има методи, които позволяват да се измери тази връзка, със следните цели:
Реклами
- Определете дали и двете променливи са свързани, т.е. ако за по-ниски или по-високи стойности на една променлива, стойностите на другата променлива са склонни да бъдат еднакво по-ниски или по-високи.
- Предскажете стойността на променлива, като вземете определена стойност от другата променлива.
- Оценете нивото на съответствие между стойностите на двете променливи.
В тази статия ще намерите:
Какъв е коефициентът на корелация на Пиърсън?
Коефициентът на корелация на Пиърсън е мярка за съответствието или линейната връзка между две произволни количествени променливи. С по-прости думи може да се определи като индекс, използван за измерване на степента на връзка между две променливи, и двете количествени.
Реклами
Разполагайки с две променливи, корелацията улеснява оценките на стойността на една от тях, като се знае стойността на другата променлива.
Този коефициент е мярка, която показва относителната ситуация на събитията по отношение на двете променливи това означава, че представлява числовият израз, който показва степента на съответствие или връзка, която съществува между 2 променливи. Тези числа варират в границите от +1 и -1.
Реклами
Как се изчислява?
За да имате ръководство, което позволява:
- Установете непрекъсната вариация на двете променливи
- Сравнете различните случаи помежду си
За целта се използва коефициентът на корелация на Пиърсън, дефиниран като ковариацията, която възниква между две стандартизирани променливи и се изчислява със следния израз:
Реклами
Как това тълкува коефициента на корелация на Пиърсън?
Неговото измерение показва нивото на асоциация между променливите.
Реклами
- Когато е по-малко от нула (r <0) Казва се, че има отрицателна корелация: Променливите са свързани в обратен смисъл.
Високите стойности в една от променливите обикновено съответстват на ниските стойности в другата променлива и обратно. Колкото по-близо е стойността до -1 споменатия коефициент на корелация, толкова по-очевидна ще бъде екстремната ковариация.
Ако r = -1, говорим за перфектна отрицателна корелация, която предполага абсолютно определяне между двете променливи, в пряк смисъл съжителстват перфектна линейна връзка с отрицателен наклон.
- Когато е по-голямо от нула (r> 0) Казва се, че има положителна корелация: И двете променливи са свързани в пряк смисъл.
Високите стойности в една от променливите съответстват на високи стойности в другата променлива, а в обратна ситуация същото се случва при ниски стойности. Колкото по-близо до +1 е коефициентът на корелация, толкова по-очевидна ще бъде ковариацията.
Ако r = 1 Говорим за перфектна положителна корелация, която предполага абсолютно определяне между променливите, в пряк смисъл съжителстват перфектна линейна връзка с положителен наклон).
- Когато е равно на нула (r = 0) Казва се, че променливите са неправилно свързани, не е възможно да се установи някакъв смисъл на ковариация.
Няма линейна връзка, но това не означава непременно, че променливите са независими и може да има нелинейни връзки между променливите.
Когато двете променливи са независими, се казва, че са некорелирани, въпреки че резултатът от реципрочността не е непременно верен.
В заключение може да се каже, че изглежда по-трудно, отколкото се оказва, особено ако имате технологии. напреднали, тъй като днес има множество програми, които улесняват тази задача за изчисляване и тълкуване Пиърсън.
