Pearsonův korelační koeficient, obvykle označovaný jako r, je statistická hodnota, která měří lineární vztah mezi dvěma proměnnými. Pohybuje se v hodnotě od +1 do -1, což naznačuje perfektní pozitivní a negativní lineární vztah mezi dvěma proměnnými. Výpočet korelačního koeficientu se obvykle provádí statistickými programy, jako jsou SPSS a SAS, aby poskytly co nejpřesnější možné hodnoty pro vykazování ve vědeckých studiích. Interpretace a použití Pearsonova korelačního koeficientu se liší v závislosti na kontextu a účelu příslušné studie, ve které je vypočítán.
Identifikujte závislou proměnnou, která má být testována, mezi dvěma nezávisle odvozenými pozorováními. Jedním z požadavků Pearsonova korelačního koeficientu je, že dvě porovnávané proměnné musí být sledovány nebo měřeny nezávisle, aby se vyloučily jakékoli zkreslené výsledky.
Vypočítejte Pearsonův korelační koeficient. U velkého množství dat může být výpočet velmi zdlouhavý. Kromě různých statistických programů má mnoho vědeckých kalkulaček schopnost vypočítat hodnotu. Aktuální rovnice je uvedena v části Reference.
Uveďte korelační hodnotu blízkou 0 jako indikaci, že mezi oběma proměnnými neexistuje lineární vztah. Jak se korelační koeficient blíží 0, hodnoty se stanou méně korelovanými, což identifikuje proměnné, které spolu nemusí souviset.
Uveďte hodnotu korelace blízkou 1 jako indikaci, že mezi oběma proměnnými existuje pozitivní lineární vztah. Hodnota větší než nula, která se blíží 1, má za následek větší pozitivní korelaci mezi daty. Jak jedna proměnná zvyšuje určitou částku, druhá proměnná se zvyšuje o odpovídající částku. Interpretace musí být stanovena na základě kontextu studie.
Uveďte korelační hodnotu blízkou -1 jako indikaci negativního lineárního vztahu mezi těmito dvěma proměnnými. Jak se koeficient blíží -1, proměnné se stávají negativněji korelovanými, což naznačuje, že jak se jedna proměnná zvyšuje, druhá proměnná klesá o odpovídající částku. Interpretace musí být znovu stanovena na základě kontextu studie.
Interpretujte korelační koeficient na základě kontextu konkrétní datové sady. Hodnota korelace je v podstatě libovolná hodnota, která musí být použita na základě porovnávaných proměnných. Například výsledná hodnota r 0,912 naznačuje velmi silný a pozitivní lineární vztah mezi dvěma proměnnými. Ve studii porovnávající dvě proměnné, které normálně nejsou identifikovány jako související, poskytují tyto výsledky důkazy že jedna proměnná může pozitivně ovlivnit druhou proměnnou, což povede k dalšímu výzkumu mezi dva. Přesně stejná hodnota r ve studii porovnávající dvě proměnné, u nichž je prokázáno, že mají dokonale pozitivní lineární vztah může identifikovat chybu v datech nebo jiné potenciální problémy v experimentu design. Při vykazování a interpretaci Pearsonova korelačního koeficientu je tedy důležité porozumět kontextu dat.
Určete významnost výsledků. Toho lze dosáhnout pomocí korelačního koeficientu, stupňů volnosti a tabulky Kritické hodnoty tabulky korelačních koeficientů. Stupně volnosti se počítají jako počet spárovaných pozorování minus 2. Pomocí této hodnoty identifikujte odpovídající kritickou hodnotu v korelační tabulce pro test 0,05 a 0,01 s identifikací 95 a 99 procent úrovně spolehlivosti. Porovnejte kritickou hodnotu s dříve vypočítaným korelačním koeficientem. Pokud je korelační koeficient větší, výsledky se považují za významné.
Věci, které budete potřebovat
- Vědecká kalkulačka nebo statistický program
- Kritické hodnoty tabulky korelačních koeficientů
Tipy
Intervaly spolehlivosti pro korelační koeficient mohou být užitečné také v populačních studiích.