A Pearson-féle korrelációs együttható, amelyet általában r-ként jelölnek, egy statisztikai érték, amely két változó lineáris kapcsolatát méri. Értéke +1 és -1 között változik, ami két pozitív változó közötti pozitív pozitív és negatív lineáris kapcsolatot jelez. A korrelációs együttható kiszámítását általában statisztikai programok, például az SPSS és az SAS végzik, hogy a lehető legpontosabb értékeket biztosítsák a tudományos tanulmányokban történő beszámoláshoz. A Pearson-féle korrelációs együttható értelmezése és használata annak a tanulmánynak a kontextusától és céljától függően változik, amelyben kiszámították.
Határozza meg a tesztelni kívánt függő változót két, egymástól függetlenül levezetett megfigyelés között. A Pearson-féle korrelációs együttható egyik követelménye az, hogy az összehasonlított két változót egymástól függetlenül kell megfigyelni vagy mérni az elfogult eredmények kiküszöbölése érdekében.
Számítsa ki Pearson korrelációs együtthatóját. Nagy mennyiségű adat esetén a számítás nagyon unalmas lehet. A különféle statisztikai programok mellett számos tudományos számológép képes az érték kiszámítására. A tényleges egyenletet a Referencia szakasz tartalmazza.
Jelentsen 0-hoz közeli korrelációs értéket, jelezve, hogy a két változó között nincs lineáris összefüggés. Amint a korrelációs együttható megközelíti a 0 értéket, az értékek kevésbé korrelálnak, ami azonosítja azokat a változókat, amelyek nem kapcsolódhatnak egymáshoz.
Jelentsen 1-hez közeli korrelációs értéket annak jelzésére, hogy a két változó között pozitív, lineáris összefüggés van. Az 1-et megközelítő nullánál nagyobb érték nagyobb pozitív korrelációt eredményez az adatok között. Amint az egyik változó egy bizonyos mennyiséget növel, a másik változó egy megfelelő mennyiségben növekszik. Az értelmezést a tanulmány kontextusa alapján kell meghatározni.
Jelentsen -1 közeli korrelációs értéket, jelezve, hogy a két változó között negatív, lineáris összefüggés van. Amint az együttható megközelíti a -1 értéket, a változók negatívabban korrelálnak egymással, jelezve, hogy az egyik változó növekedésével a másik változó megfelelő összeggel csökken. Az értelmezést ismét a tanulmány kontextusának alapján kell meghatározni.
Értelmezze a korrelációs együtthatót az adott adatsor kontextusa alapján. A korrelációs érték lényegében egy tetszőleges érték, amelyet az összehasonlított változók alapján kell alkalmazni. Például a kapott 0,912 r érték nagyon erős és pozitív lineáris kapcsolatot mutat két változó között. Egy olyan tanulmányban, amely két olyan változót hasonlított össze, amelyeket általában nem azonosítottak összefüggőnek, ezek az eredmények bizonyítékot szolgáltatnak hogy az egyik változó pozitívan befolyásolhatja a másik változót, ami további kutatásokhoz vezethet a kettő. Ugyanakkor pontosan ugyanaz az r érték egy olyan tanulmányban, amely két változót hasonlít össze, amelyekről bizonyítottan tökéletesen rendelkezik a pozitív lineáris összefüggés hibát határozhat meg az adatokban vagy más lehetséges problémákat a kísérletben tervezés. Ezért fontos megérteni az adatok összefüggéseit a Pearson-féle korrelációs együttható jelentésekor és értelmezésekor.
Határozza meg az eredmények jelentőségét. Ezt a korrelációs együttható, a szabadságfokok és a korrelációs együttható táblázat kritikus értékei felhasználásával lehet elérni. A szabadság fokát a páros megfigyelések számának mínusz 2 számításával kell kiszámítani. Ezen érték felhasználásával azonosítsa a megfelelő kritikus értéket a korrelációs táblázatban akár egy 0,05, akár 0,01 teszt esetében, azonosítva a 95, illetve a 99 százalékos konfidenciaszintet. Hasonlítsa össze a kritikus értéket az előzőleg kiszámított korrelációs együtthatóval. Ha a korrelációs együttható nagyobb, akkor azt mondják, hogy az eredmények szignifikánsak.
Amire szükséged lesz
- Tudományos számológép vagy statisztikai program
- A korrelációs együttható táblázat kritikus értékei
Tippek
A korrelációs együttható konfidencia intervallumai szintén hasznosak lehetnek a populációs vizsgálatokban.