Pearsonin korrelaatiokerroin, jota normaalisti merkitään r: llä, on tilastollinen arvo, joka mittaa kahden muuttujan välisen lineaarisen suhteen. Sen arvo vaihtelee välillä +1 - -1, mikä osoittaa täydellisen positiivisen ja negatiivisen lineaarisen suhteen kahden muuttujan välillä. Korrelaatiokertoimen laskeminen suoritetaan yleensä tilasto-ohjelmilla, kuten SPSS ja SAS, jotta saadaan mahdollisimman tarkat arvot tieteellisten tutkimusten raportoinnille. Pearsonin korrelaatiokertoimen tulkinta ja käyttö vaihtelee sen tutkimuksen kontekstin ja tarkoituksen perusteella, jossa se lasketaan.
Tunnista testattava riippuva muuttuja kahden itsenäisesti johdetun havainnon välillä. Yksi Pearsonin korrelaatiokertoimen vaatimuksista on, että vertailtavia kahta muuttujaa on tarkkailtava tai mitattava itsenäisesti puolueellisten tulosten eliminoimiseksi.
Laske Pearsonin korrelaatiokerroin. Suurille tietomäärille laskeminen voi tulla erittäin tylsä. Erilaisten tilasto-ohjelmien lisäksi monilla tieteellisillä laskimilla on kyky laskea arvo. Varsinainen yhtälö on esitetty viiteosassa.
Ilmoita lähellä 0 oleva korrelaatioarvo osoituksena siitä, että näiden kahden muuttujan välillä ei ole lineaarista suhdetta. Kun korrelaatiokerroin lähestyy 0, arvot korreloivat vähemmän, mikä tunnistaa muuttujat, jotka eivät välttämättä liity toisiinsa.
Ilmoita korrelaatioarvo lähellä arvoa 1 osoituksena siitä, että näiden kahden muuttujan välillä on positiivinen, lineaarinen suhde. Nollaa suurempi arvo, joka lähestyy arvoa 1, johtaa parempaan positiiviseen korrelaatioon tietojen välillä. Kun yksi muuttuja kasvattaa tiettyä määrää, toinen muuttuja kasvaa vastaavassa määrin. Tulkinta on määritettävä tutkimuksen kontekstin perusteella.
Ilmoita lähellä -1 oleva korrelaatioarvo osoituksena siitä, että näiden kahden muuttujan välillä on negatiivinen, lineaarinen suhde. Kun kerroin lähestyy -1, muuttujat korreloivat negatiivisemmin osoittaen, että yhden muuttujan kasvaessa toinen muuttuja pienenee vastaavalla määrällä. Tulkinta on jälleen määritettävä tutkimuksen kontekstin perusteella.
Tulkitse korrelaatiokerroin tietojoukon kontekstin perusteella. Korrelaatioarvo on olennaisesti mielivaltainen arvo, jota on sovellettava vertailtavien muuttujien perusteella. Esimerkiksi tuloksena oleva r-arvo 0,912 osoittaa erittäin vahvan ja positiivisen lineaarisen suhteen kahden muuttujan välillä. Tutkimuksessa, jossa verrattiin kahta muuttujaa, joiden ei yleensä katsota liittyvän toisiinsa, nämä tulokset tarjoavat todisteita että yksi muuttuja voi vaikuttaa positiivisesti toiseen muuttujaan, mikä aiheuttaa syytä jatkokehitykseen kaksi. Kuitenkin täsmälleen sama r-arvo tutkimuksessa, jossa verrataan kahta muuttujaa, joilla on todistetusti täydellinen positiivinen lineaarinen suhde voi tunnistaa virheen tiedoissa tai muut mahdolliset ongelmat kokeessa design. Siksi on tärkeää ymmärtää tietojen konteksti Pearsonin korrelaatiokertoimen raportoinnissa ja tulkinnassa.
Määritä tulosten merkitys. Tämä saavutetaan käyttämällä korrelaatiokerrointa, vapausasteita ja korrelaatiokerroin-taulukon kriittisiä arvoja. Vapausasteet lasketaan paritettujen havaintojen lukumäärästä miinus 2. Käytä tätä arvoa ja määritä vastaava kriittinen arvo vastaavuustaulukosta joko 0,05 ja 0,01 testille tunnistamalla vastaavasti 95 ja 99 prosentin luottamustaso. Vertaa kriittistä arvoa aiemmin laskettuun korrelaatiokertoimeen. Jos korrelaatiokerroin on suurempi, tulosten sanotaan olevan merkitseviä.
Tarvittavat asiat
- Tieteellinen laskin tai tilasto-ohjelma
- Korrelaatiokerrointaulukon kriittiset arvot
Vinkkejä
Korrelaatiokertoimen varmuusvälit voivat olla hyödyllisiä myös populaatiotutkimuksissa.