Wiedza krąży od ogółu do szczegółu, w tym sensie wyjaśnianie nowych zjawisk może być badane przez: związek, który ma z wydarzeniami tego samego zjawiska, co często robi się w dziedzinie badania. W związku z powyższym istnieje potrzeba ustalenia związku między dwiema zmiennymi ilościowymi w grupie badanych.
Nauka statystyczna dysponuje metodami, które umożliwiają pomiar tej zależności, mając na uwadze następujące cele:
Reklamy
- Ustal, czy obie zmienne są skorelowane, to znaczy, czy dla niższych lub wyższych wartości jednej zmiennej wartości drugiej zmiennej wydają się być równie niższe lub wyższe.
- Przewiduj wartość zmiennej, biorąc określoną wartość z drugiej zmiennej.
- Oszacuj poziom zgodności między wartościami obu zmiennych.
W tym artykule znajdziesz:
Jaki jest współczynnik korelacji Pearsona?
Współczynnik korelacji Pearsona jest miarą zgodności lub liniowej zależności między dwiema losowymi zmiennymi ilościowymi. Mówiąc prościej, można go zdefiniować jako wskaźnik używany do pomiaru stopnia powiązania między dwiema zmiennymi, obie ilościowe.
Reklamy
Mając dwie zmienne, korelacja ułatwia oszacowanie wartości jednej z nich przy znajomości wartości drugiej zmiennej.
Współczynnik ten jest miarą, która wskazuje względną sytuację zdarzeń w odniesieniu do dwóch zmiennych, to jest oznacza to, że reprezentuje wyrażenie liczbowe, które wskazuje stopień zgodności lub relacji, która istnieje między 2 zmienne. Liczby te wahają się w granicach od +1 do -1.
Reklamy
Jak to się oblicza?
Mieć przewodnik, który pozwala:
- Ustal ciągłą zmienność dwóch zmiennych
- Porównaj ze sobą różne przypadki
W tym celu stosuje się współczynnik korelacji Pearsona, zdefiniowany jako kowariancja występująca między dwiema standardowymi zmiennymi i obliczana za pomocą następującego wyrażenia:
Reklamy
Jak to interpretuje współczynnik korelacji Pearsona?
Jego wymiar wskazuje na poziom powiązania między zmiennymi.
Reklamy
- Gdy jest mniejsze od zera (r <0) Mówi się, że istnieje ujemna korelacja: Zmienne są skorelowane w odwrotnym sensie.
Wysokie wartości jednej ze zmiennych zwykle odpowiadają niskim wartościom drugiej zmiennej i odwrotnie. Im bliższa wartość wspomnianego współczynnika korelacji -1, tym bardziej widoczna będzie ekstremalna kowariancja.
Jeśli r = -1, mówimy o doskonałej ujemnej korelacji, która zakłada absolutną determinację między obiema zmiennymi, w sensie bezpośrednim współistnieje idealna zależność liniowa o ujemnym nachyleniu.
- Gdy jest większe od zera (r> 0) Mówi się, że istnieje dodatnia korelacja: Obie zmienne są skorelowane w sensie bezpośrednim.
Wysokie wartości jednej ze zmiennych odpowiadają wysokim wartościom drugiej zmiennej, a w odwrotnej sytuacji to samo dzieje się przy niskich wartościach. Im bliższy +1 współczynnik korelacji, tym bardziej widoczna będzie kowariancja.
Jeśli r = 1 Mówimy o doskonałej korelacji dodatniej, która zakłada bezwzględną determinację między zmiennymi, w sensie bezpośrednim współistnieje idealna zależność liniowa z dodatnim nachyleniem).
- Gdy jest równy zero (r = 0) Mówi się, że zmienne są niepoprawnie powiązane, nie jest możliwe ustalenie jakiegoś sensu kowariancji.
Nie ma zależności liniowej, ale niekoniecznie oznacza to, że zmienne są niezależne i mogą istnieć nieliniowe relacje między zmiennymi.
Gdy te dwie zmienne są niezależne, mówi się, że nie są skorelowane, chociaż wynik wzajemności niekoniecznie jest prawdziwy.
Podsumowując, można powiedzieć, że wygląda to na trudniejsze, niż się wydaje, zwłaszcza jeśli masz technologię. zaawansowane, ponieważ dziś istnieje wiele programów, które ułatwiają to zadanie obliczania i interpretacji Osoba.
