Žinios cirkuliuoja iš bendro į konkretų, šia prasme naujų reiškinių paaiškinimas gali būti tiriamas santykis, kurį jis turi su to paties reiškinio įvykiais, o tai dažnai daroma tyrimus. Dėl to, kas išdėstyta pirmiau, reikia nustatyti santykį tarp dviejų kiekybinių kintamųjų tyrimo subjektų grupėje.
Statistikos mokslas turi metodus, leidžiančius įvertinti šį ryšį, siekiant šių tikslų:
Skelbimai
- Nustatykite, ar abu kintamieji yra susiję, tai yra, jei vieno kintamojo mažesnėms ar didesnėms reikšmėms kito kintamojo reikšmės būna vienodai mažesnės ar didesnės.
- Nuspėkite kintamojo vertę, paimdami tam tikrą vertę iš kito kintamojo.
- Įvertinkite abiejų kintamųjų reikšmių atitikties lygį.
Šiame straipsnyje rasite:
Koks yra Pearsono koreliacijos koeficientas?
Pearsono koreliacijos koeficientas yra dviejų atsitiktinių kiekybinių kintamųjų atitikties arba tiesinio ryšio matas. Paprasčiau tariant, jį galima apibrėžti kaip indeksą, naudojamą dviejų kintamųjų, tiek kiekybinių, santykio laipsniui įvertinti.
Skelbimai
Turint du kintamuosius, koreliacija palengvina vieno iš jų vertės įvertinimą, žinant kito kintamojo vertę.
Šis koeficientas yra matas, nurodantis santykinę įvykių situaciją dviejų kintamųjų atžvilgiu tai reiškia, kad ji reiškia skaitinę išraišką, nurodančią atitikties ar santykio laipsnį, egzistuojantį tarp 2 kintamieji. Šie skaičiai skiriasi nuo ribų +1 ir -1.
Skelbimai
Kaip jis apskaičiuojamas?
Norėdami turėti vadovą, kuris leidžia:
- Nustatykite dviejų kintamųjų gretimą kitimą
- Palyginkite skirtingus atvejus tarpusavyje
Norėdami tai padaryti, naudojamas Pearsono koreliacijos koeficientas, apibrėžtas kaip kovariacija, atsirandanti tarp dviejų standartizuotų kintamųjų ir apskaičiuojama pagal šią išraišką:
Skelbimai
Kaip tai interpretuoja Pearsono koreliacijos koeficientą?
Jo matmuo nurodo kintamųjų susiejimo lygį.
Skelbimai
- Kai jis yra mažesnis už nulį (r <0), sakoma, kad yra neigiama koreliacija: Kintamieji koreliuoja atvirkštine prasme.
Didelės vieno iš kintamųjų reikšmės paprastai atitinka mažas kito kintamojo vertes ir atvirkščiai. Kuo arčiau reikšmės yra -1 minėtas koreliacijos koeficientas, tuo akivaizdesnis bus kraštutinis kovariacija.
Jei r = -1, mes kalbame apie tobulą neigiamą koreliaciją, kuri numato absoliutų abiejų kintamųjų nustatymą, tiesiogine prasme egzistuoja tobulas tiesinis ryšys su neigiamu nuolydžiu.
- Kai jis yra didesnis už nulį (r> 0), sakoma, kad yra teigiama koreliacija: abu kintamieji yra koreliuojami tiesiogine prasme.
Didelės vieno kintamojo vertės atitinka dideles kito kintamojo reikšmes, o atvirkštinėje situacijoje tas pats atsitinka ir su mažomis reikšmėmis. Kuo koreliacijos koeficientas yra arčiau +1, tuo akivaizdesnis bus kovariacija.
Jei r = 1 Mes kalbame apie tobulą teigiamą koreliaciją, kuri numato absoliutų nustatymą tarp kintamųjų, tiesiogine prasme egzistuoja tobulas teigiamas nuolydžio tiesinis ryšys).
- Kai jis lygus nuliui (r = 0), sakoma, kad kintamieji yra neteisingai susiję, neįmanoma nustatyti tam tikro kovariacijos jausmo.
Linijinio ryšio nėra, tačiau tai nebūtinai reiškia, kad kintamieji yra nepriklausomi, nes tarp kintamųjų gali būti netiesiniai ryšiai.
Kai abu kintamieji yra nepriklausomi, sakoma, kad jie nėra tarpusavyje susiję, nors abipusiškumo rezultatas nebūtinai yra teisingas.
Apibendrinant galima pasakyti, kad tai atrodo sunkiau, nei pasirodo, ypač jei turite technologijų. Išplėstinė, nes šiandien yra keletas programų, kurios palengvina šią koeficiento apskaičiavimo ir interpretavimo užduotį Pirsonas.
