პირსონის კორელაციის კოეფიციენტი, რომელიც ჩვეულებრივ აღინიშნება როგორც r, არის სტატისტიკური მნიშვნელობა, რომელიც ზომავს ხაზობრივ კავშირს ორ ცვლადს შორის. ის მერყეობს +1 – დან -1 – მდე, რაც მიუთითებს სრულყოფილ დადებით და უარყოფით ხაზოვან დამოკიდებულებაზე, შესაბამისად, ორ ცვლადს შორის. კორელაციის კოეფიციენტის გაანგარიშება ჩვეულებრივ ხორციელდება სტატისტიკური პროგრამების, მაგალითად SPSS და SAS- ით, სამეცნიერო კვლევებში ანგარიშგების მაქსიმალურად ზუსტი მნიშვნელობების უზრუნველსაყოფად. პირსონის კორელაციის კოეფიციენტის ინტერპრეტაცია და გამოყენება განსხვავდება შესაბამისი კვლევის კონტექსტისა და მიზნის გათვალისწინებით, რომელშიც იგი გამოითვლება.
განსაზღვრეთ დამოკიდებული ცვლადი, რომელიც უნდა შემოწმდეს დამოუკიდებლად მიღებულ ორ დაკვირვებას შორის. Pearson- ის კორელაციის კოეფიციენტის ერთ-ერთი მოთხოვნაა, რომ შედარებული ორი ცვლადის დაცვა უნდა მოხდეს დამოუკიდებლად, რათა თავიდან იქნას აცილებული ნებისმიერი მიკერძოებული შედეგი.
გამოთვალეთ პირსონის კორელაციის კოეფიციენტი. დიდი რაოდენობით მონაცემებისთვის, გაანგარიშება შეიძლება ძალიან მოსაწყენი გახდეს. სხვადასხვა სტატისტიკური პროგრამის გარდა, ბევრ სამეცნიერო კალკულატორს აქვს შესაძლებლობა დაანგარიშოს მნიშვნელობა. ფაქტობრივი განტოლება მოცემულია მითითების განყოფილებაში.
შეატყობინეთ კორელაციის მნიშვნელობას 0-სთან ახლოს, როგორც მითითება იმისა, რომ ორ ცვლადს შორის არ არსებობს წრფივი კავშირი. კორელაციის კოეფიციენტი 0 – ს უახლოვდება, მნიშვნელობები ნაკლებად კორელაცირდება, რაც განსაზღვრავს ცვლადებს, რომლებიც შეიძლება არ იყოს დაკავშირებული ერთმანეთთან.
შეატყობინეთ კორელაციის მნიშვნელობას 1-თან ახლოს, როგორც მითითება, რომ ორ ცვლადს შორის არსებობს პოზიტიური, წრფივი კავშირი. ნულზე მეტი მნიშვნელობა, რომელიც 1-ს უახლოვდება, მონაცემებს შორის მეტ დადებით კორელაციას იწვევს. როგორც ერთი ცვლადი ზრდის გარკვეულ რაოდენობას, მეორე ცვლადი იზრდება შესაბამისი რაოდენობით. ინტერპრეტაცია უნდა განისაზღვროს კვლევის კონტექსტის საფუძველზე.
შეატყობინეთ კორელაციის მნიშვნელობას -1 – თან ახლოს, როგორც მითითება, რომ ორ ცვლადს შორის არსებობს უარყოფითი, წრფივი კავშირი. კოეფიციენტის -1 მიახლოებისთანავე ცვლადები უფრო ნეგატიურად კორელაციაში ხდებიან, რაც მიუთითებს იმაზე, რომ ერთი ცვლადის ზრდასთან ერთად, სხვა ცვლადი იკლებს შესაბამისი რაოდენობით. ინტერპრეტაცია კვლავ უნდა განისაზღვროს კვლევის კონტექსტის საფუძველზე.
კორელაციის კოეფიციენტის ინტერპრეტაცია კონკრეტული მონაცემთა ნაკრების კონტექსტის საფუძველზე. კორელაციის მნიშვნელობა არსებითად თვითნებური მნიშვნელობაა, რომელიც უნდა იქნას გამოყენებული შედარებული ცვლადების საფუძველზე. მაგალითად, შედეგად მიღებული r 0.912 მიუთითებს ძალიან ძლიერ და პოზიტიურ ხაზობრივ კავშირზე ორ ცვლადს შორის. კვლევის შედეგად ორი ცვლადის შედარება, რომლებიც ჩვეულებრივ არ არის განსაზღვრული, რომ დაკავშირებული არიან, ეს შედეგები იძლევა მტკიცებულებებს რომ ერთმა ცვლადმა შეიძლება დადებითად იმოქმედოს სხვა ცვლადზე, რამაც გამოიწვია შემდგომი კვლევის მიზეზი ორი ამასთან, ზუსტად იგივე მნიშვნელობა აქვს კვლევას, რომელშიც შედარებულია ორი ცვლადი, რომელთა დადასტურებაც შესანიშნავია პოზიტიურ ხაზოვანმა ურთიერთობამ შეიძლება გამოავლინოს შეცდომა მონაცემებში ან ექსპერიმენტულ სხვა პოტენციურ პრობლემებში დიზაინი ამრიგად, პირსონის კორელაციის კოეფიციენტის გაშუქებისას და ინტერპრეტაციისას მნიშვნელოვანია მონაცემთა კონტექსტის გაგება.
შედეგების მნიშვნელობის დადგენა. ეს მიიღწევა კორელაციის კოეფიციენტის, თავისუფლების ხარისხებისა და კორელაციის კოეფიციენტის კრიტიკული მნიშვნელობების გამოყენებით. თავისუფლების გრადუსი გამოითვლება დაწყვილებული დაკვირვების რაოდენობად მინუს 2. ამ მნიშვნელობის გამოყენებით დაადგინეთ შესაბამისი კრიტიკული მნიშვნელობა კორელაციის ცხრილში ან 0,05 და 0,01 ტესტის შესაბამისად, საიდენტიფიკაციო 95 და 99 პროცენტის ნდობის დონის შესაბამისად. შეადარე კრიტიკული მნიშვნელობა ადრე გათვლილ კორელაციის კოეფიციენტს. თუ კორელაციის კოეფიციენტი მეტია, ნათქვამია, რომ შედეგები მნიშვნელოვანია.
რაც დაგჭირდებათ
- სამეცნიერო კალკულატორი ან სტატისტიკური პროგრამა
- კორელაციის კოეფიციენტის კრიტიკული მნიშვნელობები ცხრილი
Რჩევები
კორელაციის კოეფიციენტის ნდობის ინტერვალი შეიძლება გამოყენებულ იქნას პოპულაციის კვლევებშიც.