Der Korrelationskoeffizient nach Pearson, normalerweise als r bezeichnet, ist ein statistischer Wert, der die lineare Beziehung zwischen zwei Variablen misst. Der Wert reicht von +1 bis -1, was auf eine perfekte positive bzw. negative lineare Beziehung zwischen zwei Variablen hinweist. Die Berechnung des Korrelationskoeffizienten wird normalerweise von statistischen Programmen wie SPSS und SAS durchgeführt, um möglichst genaue Werte für die Berichterstattung in wissenschaftlichen Studien zu liefern. Die Interpretation und Verwendung des Korrelationskoeffizienten nach Pearson variiert je nach Kontext und Zweck der jeweiligen Studie, in der er berechnet wird.
Identifizieren Sie die zu testende abhängige Variable zwischen zwei unabhängig abgeleiteten Beobachtungen. Eine der Anforderungen des Korrelationskoeffizienten von Pearson besteht darin, dass die beiden verglichenen Variablen unabhängig voneinander beobachtet oder gemessen werden müssen, um verzerrte Ergebnisse zu eliminieren.
Berechnen Sie den Korrelationskoeffizienten nach Pearson. Bei großen Datenmengen kann die Berechnung sehr mühsam werden. Neben verschiedenen Statistikprogrammen haben viele wissenschaftliche Taschenrechner die Möglichkeit, den Wert zu berechnen. Die eigentliche Gleichung finden Sie im Abschnitt Referenz.
Geben Sie einen Korrelationswert nahe 0 als Hinweis darauf, dass zwischen den beiden Variablen keine lineare Beziehung besteht. Wenn sich der Korrelationskoeffizient 0 nähert, werden die Werte weniger korreliert, was Variablen identifiziert, die möglicherweise nicht miteinander in Beziehung stehen.
Geben Sie einen Korrelationswert nahe 1 als Hinweis darauf, dass eine positive, lineare Beziehung zwischen den beiden Variablen besteht. Ein Wert größer Null, der sich 1 nähert, führt zu einer größeren positiven Korrelation zwischen den Daten. Wenn eine Variable einen bestimmten Betrag erhöht, erhöht sich die andere Variable um einen entsprechenden Betrag. Die Interpretation muss anhand des Kontexts der Studie bestimmt werden.
Geben Sie einen Korrelationswert nahe -1 als Hinweis darauf, dass eine negative, lineare Beziehung zwischen den beiden Variablen besteht. Wenn sich der Koeffizient -1 annähert, werden die Variablen negativer korreliert, was anzeigt, dass die andere Variable um einen entsprechenden Betrag abnimmt, wenn eine Variable zunimmt. Die Interpretation muss wiederum aus dem Kontext der Studie heraus bestimmt werden.
Interpretieren Sie den Korrelationskoeffizienten basierend auf dem Kontext des jeweiligen Datensatzes. Der Korrelationswert ist im Wesentlichen ein willkürlicher Wert, der basierend auf den verglichenen Variablen angewendet werden muss. Ein resultierender r-Wert von 0,912 weist beispielsweise auf eine sehr starke und positive lineare Beziehung zwischen zwei Variablen hin. In einer Studie, in der zwei Variablen verglichen wurden, die normalerweise nicht als verwandt identifiziert werden, liefern diese Ergebnisse Beweise dass eine Variable die andere Variable positiv beeinflussen kann, was Anlass für weitere Forschungen zwischen den zwei. Der exakt gleiche r-Wert in einer Studie, in der zwei Variablen verglichen wurden, von denen nachweislich eine perfekte Eine positive lineare Beziehung kann einen Fehler in den Daten oder andere potenzielle Probleme im Experiment identifizieren Design. Daher ist es wichtig, den Kontext der Daten zu verstehen, wenn der Korrelationskoeffizient von Pearson angegeben und interpretiert wird.
Bestimmen Sie die Bedeutung der Ergebnisse. Dies wird unter Verwendung des Korrelationskoeffizienten, der Freiheitsgrade und kritischer Werte der Korrelationskoeffiziententabelle erreicht. Die Freiheitsgrade werden als Anzahl der gepaarten Beobachtungen minus 2 berechnet. Identifizieren Sie mit diesem Wert den entsprechenden kritischen Wert in der Korrelationstabelle für einen 0,05- und einen 0,01-Test, der 95 bzw. 99 Prozent Konfidenzniveau identifiziert. Vergleichen Sie den kritischen Wert mit dem zuvor berechneten Korrelationskoeffizienten. Ist der Korrelationskoeffizient größer, werden die Ergebnisse als signifikant bezeichnet.
Dinge, die du brauchen wirst
- Wissenschaftlicher Taschenrechner oder Statistikprogramm
- Kritische Werte der Korrelationskoeffiziententabelle
Tipps
Konfidenzintervalle für den Korrelationskoeffizienten können auch in Bevölkerungsstudien von Nutzen sein.