A tudás az általánostól a konkrétig kering, ebben az értelemben az új jelenségek magyarázatát tanulmányozhatja az a kapcsolat, amelyet ugyanazon jelenség eseményeivel ápol, ami gyakran megtörténik a területen kutatás. A fentiek miatt szükség van két kvantitatív változó kapcsolatának megteremtésére a vizsgálati alanyok csoportjában.
A statisztika tudományának vannak olyan módszerei, amelyek lehetővé teszik ennek a kapcsolatnak a mérését, a következő célokkal:
Hirdetések
- Határozza meg, hogy mindkét változó korrelál-e, azaz ha az egyik változó alacsonyabb vagy magasabb értéke esetén a másik változó értéke ugyanolyan alacsonyabb vagy magasabb.
- Megjósolni egy változó értékét, kivéve egy bizonyos értéket a másik változóból.
- Becsülje meg a két változó értéke közötti megfelelés szintjét.
Ebben a cikkben a következőket találja:
Mi a Pearson-féle korrelációs együttható?
A Pearson-féle korrelációs együttható két véletlenszerű kvantitatív változó közötti megfelelés vagy lineáris kapcsolat mértéke. Egyszerűbb szavakkal meghatározható indexként, amely két változó, mindkettő kvantitatív viszonyának mértékét méri.
Hirdetések
Két változóval rendelkezve a korreláció megkönnyíti az egyik értékének megbecsülését, a másik változó értékének ismeretében.
Ez az együttható olyan mérték, amely jelzi az események relatív helyzetét a két változó vonatkozásában vagyis azt a numerikus kifejezést jelenti, amely a 2 között fennálló megfelelés vagy kapcsolat mértékét jelzi változók. Ezek a számok a +1 és -1 határok között változnak.
Hirdetések
Hogyan kerül kiszámításra?
Útmutató, amely lehetővé teszi:
- Hozza létre a két változó összefüggő variációját
- Hasonlítsa össze a különböző eseteket egymással
Ehhez a Pearson-korrelációs együtthatót kell használni, amelyet két standardizált változó közötti kovarianciaként határozunk meg, és amelyet a következő kifejezéssel számolunk:
Hirdetések
Hogyan értelmezi ez Pearson korrelációs együtthatóját?
Dimenziója jelzi a változók közötti asszociációs szintet.
Hirdetések
- Ha ez nulla alatt van (r <0), azt mondják, hogy negatív összefüggés van: A változók fordított értelemben korrelálnak.
Az egyik változó magas értékei általában megfelelnek a másik változó alacsony értékeinek és fordítva. Minél közelebb van az érték -1 a korrelációs együtthatóhoz, annál nyilvánvalóbb lesz a szélsőséges kovariáció.
Ha r = -1, akkor tökéletes negatív korrelációról beszélünk, amely abszolút meghatározást feltételez mindkét változó között, közvetlen értelemben a negatív meredekséggel rendelkező tökéletes lineáris kapcsolat létezik.
- Ha nagyobb, mint nulla (r> 0) Azt mondják, hogy pozitív korreláció van: Mindkét változó közvetlen összefüggésben van.
Az egyik változó magas értékei megfelelnek a másik változó magas értékeinek, és fordított helyzetben ugyanez történik alacsony értékekkel is. Minél közelebb van +1 a korrelációs együttható, annál nyilvánvalóbb lesz a kovariáció.
Ha r = 1 Tökéletes pozitív korrelációról beszélünk, amely abszolút meghatározást feltételez a változók között, közvetlen értelemben a pozitív meredekségű tökéletes lineáris kapcsolat létezik).
- Ha nulla (r = 0), akkor azt mondják, hogy a változók helytelenül kapcsolódnak egymáshoz, ezért nem lehet megállapítani a kovariáció érzését.
Nincs lineáris összefüggés, de ez nem feltétlenül jelenti azt, hogy a változók függetlenek, és lehetnek nemlineáris kapcsolatok is a változók között.
Ha a két változó független, akkor azt mondják, hogy nincsenek korrelálva, bár a kölcsönösségi eredmény nem feltétlenül igaz.
Összegzésként elmondható, hogy nehezebbnek tűnik, mint amilyennek kiderül, különösen, ha van technológiája. fejlett, mivel ma már több olyan program létezik, amelyek megkönnyítik ezt a feladatot: a Pearson.
