Η γνώση κυκλοφορεί από το γενικό στο συγκεκριμένο, με αυτή την έννοια μπορεί να μελετηθεί η εξήγηση των νέων φαινομένων τη σχέση που έχει με γεγονότα του ίδιου φαινομένου, που είναι αυτό που γίνεται συχνά στον τομέα του έρευνα. Λόγω των ανωτέρω, υπάρχει ανάγκη να καθοριστεί η σχέση μεταξύ δύο ποσοτικών μεταβλητών σε μια ομάδα θεμάτων μελέτης.
Η επιστήμη της στατιστικής έχει μεθόδους που καθιστούν δυνατή τη μέτρηση αυτής της σχέσης, με τους ακόλουθους στόχους:
Διαφημίσεις
- Προσδιορίστε εάν και οι δύο μεταβλητές συσχετίζονται, δηλαδή εάν για χαμηλότερες ή υψηλότερες τιμές μιας μεταβλητής, οι τιμές της άλλης μεταβλητής τείνουν να είναι εξίσου χαμηλότερες ή υψηλότερες.
- Προβλέψτε την τιμή μιας μεταβλητής, λαμβάνοντας μια συγκεκριμένη τιμή από την άλλη μεταβλητή.
- Υπολογίστε το επίπεδο αντιστοιχίας μεταξύ των τιμών και των δύο μεταβλητών.
Σε αυτό το άρθρο θα βρείτε:
Ποιος είναι ο συντελεστής συσχέτισης του Pearson;
Ο συντελεστής συσχέτισης του Pearson είναι ένα μέτρο της αντιστοιχίας ή της γραμμικής σχέσης μεταξύ δύο τυχαίων ποσοτικών μεταβλητών. Με απλά λόγια, μπορεί να οριστεί ως ένας δείκτης που χρησιμοποιείται για τη μέτρηση του βαθμού σχέσης μεταξύ δύο μεταβλητών, και οι δύο ποσοτικές.
Διαφημίσεις
Έχοντας δύο μεταβλητές, η συσχέτιση διευκολύνει εκτιμήσεις της αξίας μιας από αυτές, με γνώση της αξίας της άλλης μεταβλητής.
Αυτός ο συντελεστής είναι ένα μέτρο που δείχνει τη σχετική κατάσταση των συμβάντων σε σχέση με τις δύο μεταβλητές, είναι Δηλαδή, αντιπροσωπεύει την αριθμητική έκφραση που δείχνει τον βαθμό αλληλογραφίας ή σχέσης που υπάρχει μεταξύ των 2 μεταβλητές. Αυτοί οι αριθμοί ποικίλλουν μεταξύ των ορίων +1 και -1.
Διαφημίσεις
Πώς υπολογίζεται;
Για να έχετε έναν οδηγό που επιτρέπει:
- Καθορίστε τη συνεχή παραλλαγή των δύο μεταβλητών
- Συγκρίνετε τις διάφορες περιπτώσεις μεταξύ τους
Για να γίνει αυτό, χρησιμοποιείται ο συντελεστής συσχέτισης Pearson, ορίζεται ως η συνδιακύμανση που εμφανίζεται μεταξύ δύο τυποποιημένων μεταβλητών και υπολογίζεται με την ακόλουθη έκφραση:
Διαφημίσεις
Πώς ερμηνεύει τον συντελεστή συσχέτισης του Pearson;
Η διάστασή του δείχνει το επίπεδο συσχέτισης μεταξύ των μεταβλητών.
Διαφημίσεις
- Όταν είναι μικρότερο από το μηδέν (r <0) Λέγεται ότι υπάρχει αρνητικός συσχετισμός: Οι μεταβλητές συσχετίζονται με αντίστροφη έννοια.
Οι υψηλές τιμές σε μία από τις μεταβλητές αντιστοιχούν συνήθως σε χαμηλές τιμές στην άλλη μεταβλητή και το αντίστροφο. Όσο πιο κοντά είναι η τιμή -1 ο συντελεστής συσχέτισης, τόσο πιο εμφανής θα είναι η ακραία συνδιακύμανση.
Εάν r = -1 μιλάμε για μια τέλεια αρνητική συσχέτιση, η οποία προϋποθέτει έναν απόλυτο προσδιορισμό μεταξύ των δύο μεταβλητών, με άμεση έννοια μια τέλεια γραμμική σχέση με μια αρνητική κλίση συνυπάρχει.
- Όταν είναι μεγαλύτερη από το μηδέν (r> 0) Λέγεται ότι υπάρχει θετικός συσχετισμός: Και οι δύο μεταβλητές συσχετίζονται με άμεση έννοια.
Οι υψηλές τιμές σε μία από τις μεταβλητές αντιστοιχούν σε υψηλές τιμές στην άλλη μεταβλητή και σε αντίστροφη κατάσταση το ίδιο συμβαίνει με τις χαμηλές τιμές. Όσο πιο κοντά στο +1 είναι ο συντελεστής συσχέτισης, τόσο πιο εμφανής θα είναι η διακύμανση.
Εάν r = 1 Μιλάμε για μια τέλεια θετική συσχέτιση, που προϋποθέτει έναν απόλυτο προσδιορισμό μεταξύ των μεταβλητών, με άμεση έννοια μια τέλεια γραμμική σχέση θετικής κλίσης συνυπάρχει).
- Όταν είναι ίσο με μηδέν (r = 0) Οι μεταβλητές λέγεται ότι σχετίζονται λανθασμένα, δεν είναι δυνατόν να αποδειχθεί κάποια αίσθηση συνδιακύμανσης.
Δεν υπάρχει γραμμική σχέση, αλλά αυτό δεν σημαίνει απαραίτητα ότι οι μεταβλητές είναι ανεξάρτητες, καθώς μπορεί να υπάρχουν μη γραμμικές σχέσεις μεταξύ των μεταβλητών.
Όταν οι δύο μεταβλητές είναι ανεξάρτητες λέγεται ότι δεν συσχετίζονται, αν και το αποτέλεσμα της αμοιβαιότητας δεν είναι απαραίτητα αλήθεια.
Εν κατακλείδι, μπορεί να ειπωθεί ότι φαίνεται πιο δύσκολο από ό, τι αποδεικνύεται, ειδικά αν έχετε τεχνολογία. προχωρημένο, δεδομένου ότι σήμερα υπάρχουν πολλά προγράμματα που διευκολύνουν αυτό το έργο του υπολογισμού και της ερμηνείας του συντελεστή του Πέρσον.
