Znanje kruži od općeg do određenog, u tom smislu objašnjenje novih pojava može se proučavati odnos koji ima s događajima istog fenomena, što se često radi na polju istraživanje. Zbog navedenog, postoji potreba za uspostavljanjem odnosa između dvije kvantitativne varijable u skupini ispitanika.
Znanost o statistici ima metode koje omogućuju mjerenje ovog odnosa, sa sljedećim ciljevima:
Reklame
- Utvrdite jesu li obje varijable u korelaciji, odnosno ako su za niže ili veće vrijednosti jedne varijable vrijednosti druge varijable obično jednako niže ili veće.
- Predvidite vrijednost varijable uzimajući određenu vrijednost iz druge varijable.
- Procijenite razinu podudarnosti između vrijednosti obje varijable.
U ovom ćete članku pronaći:
Koji je Pearsonov koeficijent korelacije?
Pearsonov koeficijent korelacije mjera je korespondencije ili linearne veze između dvije slučajne kvantitativne varijable. Jednostavnijim riječima, može se definirati kao indeks koji se koristi za mjerenje stupnja povezanosti dviju varijabli, obje kvantitativne.
Reklame
Imajući dvije varijable, korelacija olakšava procjene vrijednosti jedne od njih, znajući vrijednost druge varijable.
Ovaj je koeficijent mjera koja pokazuje relativnu situaciju događaja s obzirom na dvije varijable odnosno predstavlja numerički izraz koji označava stupanj korespondencije ili odnosa koji postoji između 2 varijable. Ti se brojevi razlikuju između ograničenja od +1 i -1.
Reklame
Kako se izračunava?
Da biste imali vodič koji omogućuje:
- Utvrditi susjednu varijaciju dviju varijabli
- Usporedite različite slučajeve međusobno
Da bi se to učinilo, koristi se Pearsonov koeficijent korelacije, definiran kao kovarijancija koja se javlja između dvije standardizirane varijable i izračunava se sa sljedećim izrazom:
Reklame
Kako to tumači Pearsonov koeficijent korelacije?
Njegova dimenzija označava razinu povezanosti između varijabli.
Reklame
- Kad je manje od nule (r <0) Kaže se da postoji negativna korelacija: varijable su povezane u obrnutom smislu.
Visoke vrijednosti u jednoj od varijabli obično odgovaraju niskim vrijednostima u drugoj varijabli i obrnuto. Što je vrijednost bliža -1 navedenom koeficijentu korelacije, to će ekstremnija kovarijacija biti očitija.
Ako je r = -1, govorimo o savršenoj negativnoj korelaciji, koja pretpostavlja apsolutno određivanje između obje varijable, u izravnom smislu koegzistira savršeni linearni odnos s negativnim nagibom.
- Kad je veća od nule (r> 0) Kaže se da postoji pozitivna korelacija: Obje su varijable povezane u izravnom smislu.
Visoke vrijednosti u jednoj od varijabli odgovaraju visokim vrijednostima u drugoj varijabli, au obrnutoj situaciji isto se događa kod niskih vrijednosti. Što je koeficijent korelacije bliži +1, to će kovarijacija biti očitija.
Ako je r = 1 Govorimo o savršenoj pozitivnoj korelaciji, koja pretpostavlja apsolutno određivanje između varijabli, u izravnom smislu koegzistira savršeni linearni odnos s pozitivnim nagibom).
- Kad je jednak nuli (r = 0) Kaže se da su varijable pogrešno povezane, nije moguće uspostaviti neki smisao kovarijacije.
Ne postoji linearni odnos, ali to ne znači nužno da su varijable neovisne i da između varijabli mogu postojati nelinearni odnosi.
Kad su dvije varijable neovisne, za njih se kaže da nisu korelirane, iako rezultat uzajamnosti nije nužno istinit.
Za kraj, može se reći da izgleda teže nego što se čini, pogotovo ako imate tehnologiju. napredan, jer danas postoji više programa koji olakšavaju ovaj zadatak izračunavanja i tumačenja Pearson.
