Il coefficiente di correlazione di Pearson, normalmente indicato come r, è un valore statistico che misura la relazione lineare tra due variabili. Varia in valore da +1 a -1, indicando una perfetta relazione lineare positiva e negativa rispettivamente tra due variabili. Il calcolo del coefficiente di correlazione viene normalmente eseguito da programmi statistici, quali SPSS e SAS, per fornire i valori più accurati possibili per la segnalazione negli studi scientifici. L'interpretazione e l'uso del coefficiente di correlazione di Pearson varia in base al contesto e allo scopo del rispettivo studio in cui viene calcolato.
Identificare la variabile dipendente da testare tra due osservazioni derivate indipendentemente. Uno dei requisiti del coefficiente di correlazione di Pearson è che le due variabili da confrontare devono essere osservate o misurate in modo indipendente per eliminare qualsiasi risultato distorto.
Calcola il coefficiente di correlazione di Pearson. Per grandi quantità di dati, il calcolo può diventare molto noioso. Oltre a vari programmi statistici, molti calcolatori scientifici hanno la capacità di calcolare il valore. L'equazione effettiva è fornita nella sezione Riferimenti.
Riportare un valore di correlazione vicino a 0 come indicazione che non esiste una relazione lineare tra le due variabili. Quando il coefficiente di correlazione si avvicina a 0, i valori diventano meno correlati, il che identifica le variabili che potrebbero non essere correlate tra loro.
Riportare un valore di correlazione vicino a 1 come indicazione che esiste una relazione positiva e lineare tra le due variabili. Un valore maggiore di zero che si avvicina a 1 determina una maggiore correlazione positiva tra i dati. Quando una variabile aumenta di un certo importo, l'altra variabile aumenta di un importo corrispondente. L'interpretazione deve essere determinata in base al contesto dello studio.
Riportare un valore di correlazione vicino a -1 come indicazione che esiste una relazione negativa e lineare tra le due variabili. Quando il coefficiente si avvicina a -1, le variabili diventano correlate in modo più negativo indicando che all'aumentare di una variabile, l'altra variabile diminuisce di un importo corrispondente. Anche in questo caso l'interpretazione deve essere determinata in base al contesto dello studio.
Interpretare il coefficiente di correlazione in base al contesto del particolare set di dati. Il valore di correlazione è essenzialmente un valore arbitrario che deve essere applicato in base alle variabili confrontate. Ad esempio, un valore r risultante di 0,912 indica una relazione lineare molto forte e positiva tra due variabili. In uno studio che confronta due variabili che normalmente non sono identificate come correlate, questi risultati forniscono evidenza che una variabile può influenzare positivamente l'altra variabile, con conseguente motivo per ulteriori ricerche tra Due. Tuttavia, lo stesso identico valore r in uno studio che confronta due variabili che hanno dimostrato di avere un perfetto una relazione lineare positiva può identificare un errore nei dati o altri potenziali problemi nello sperimentale design. Pertanto, è importante comprendere il contesto dei dati quando si riporta e si interpreta il coefficiente di correlazione di Pearson.
Determinare la significatività dei risultati. Ciò si ottiene utilizzando il coefficiente di correlazione, i gradi di libertà e i valori critici della tabella del coefficiente di correlazione. I gradi di libertà sono calcolati come il numero di osservazioni accoppiate meno 2. Utilizzando questo valore, identificare il valore critico corrispondente nella tabella di correlazione per un test di 0,05 e 0,01 che identifica rispettivamente il livello di confidenza del 95 e del 99%. Confrontare il valore critico con il coefficiente di correlazione calcolato in precedenza. Se il coefficiente di correlazione è maggiore, i risultati si dicono significativi.
Cose di cui avrai bisogno
- Calcolatrice scientifica o programma statistico
- Valori critici della tabella dei coefficienti di correlazione
Suggerimenti
Gli intervalli di confidenza per il coefficiente di correlazione possono essere utili anche negli studi di popolazione.