일반적으로 r로 표시되는 Pearson의 상관 계수는 두 변수 간의 선형 관계를 측정하는 통계 값입니다. 값의 범위는 +1에서 -1까지이며, 각각 두 변수 간의 완벽한 양수 및 음수 선형 관계를 나타냅니다. 상관 계수의 계산은 일반적으로 SPSS 및 SAS와 같은 통계 프로그램에 의해 수행되어 과학 연구보고에 가장 정확한 값을 제공합니다. Pearson 상관 계수의 해석 및 사용은 계산되는 각 연구의 맥락과 목적에 따라 다릅니다.
독립적으로 파생 된 두 관측치간에 검정 할 종속 변수를 식별합니다. Pearson 상관 계수의 요구 사항 중 하나는 편향된 결과를 제거하기 위해 비교되는 두 변수를 독립적으로 관찰하거나 측정해야한다는 것입니다.
Pearson의 상관 계수를 계산합니다. 많은 양의 데이터의 경우 계산이 매우 지루해질 수 있습니다. 다양한 통계 프로그램 외에도 많은 공학용 계산기가 값을 계산할 수 있습니다. 실제 방정식은 참조 섹션에 제공됩니다.
두 변수 사이에 선형 관계가 없음을 나타내는 0에 가까운 상관 값을보고하십시오. 상관 계수가 0에 가까워지면 값은 서로 관련이 없을 수있는 변수를 식별하는 상관 관계가 낮아집니다.
두 변수 사이에 양의 선형 관계가 있음을 나타내는 1에 가까운 상관 값을보고하십시오. 0보다 큰 값이 1에 접근하면 데이터간에 더 큰 양의 상관 관계가 생깁니다. 한 변수가 특정 금액을 증가 시키면 다른 변수는 해당 금액이 증가합니다. 해석은 연구의 맥락에 따라 결정되어야합니다.
두 변수 사이에 음의 선형 관계가 있음을 나타내는 -1에 가까운 상관 값을보고하십시오. 계수가 -1에 가까워짐에 따라 변수는 더 음의 상관 관계가되어 하나의 변수가 증가하면 다른 변수는 해당하는 양만큼 감소합니다. 해석은 연구의 맥락에 따라 결정되어야합니다.
특정 데이터 세트의 컨텍스트를 기반으로 상관 계수를 해석합니다. 상관 관계 값은 본질적으로 비교되는 변수에 따라 적용해야하는 임의의 값입니다. 예를 들어 결과 r 값이 0.912이면 두 변수간에 매우 강력하고 양의 선형 관계가 있음을 나타냅니다. 일반적으로 관련된 것으로 식별되지 않는 두 변수를 비교하는 연구에서 이러한 결과는 증거를 제공합니다. 한 변수가 다른 변수에 긍정적 인 영향을 미칠 수 있으므로 두. 그러나 완벽하게 입증 된 두 변수를 비교하는 연구에서 정확히 동일한 r 값 양의 선형 관계는 데이터의 오류 또는 실험에서 다른 잠재적 인 문제를 식별 할 수 있습니다. 디자인. 따라서 Pearson의 상관 계수를보고하고 해석 할 때 데이터의 컨텍스트를 이해하는 것이 중요합니다.
결과의 중요성을 결정하십시오. 이것은 상관 계수, 자유도 및 상관 계수 테이블의 임계 값을 사용하여 수행됩니다. 자유도는 쌍을 이루는 관측치 수에서 2를 뺀 값으로 계산됩니다. 이 값을 사용하여 각각 95 %와 99 % 신뢰 수준을 식별하는 0.05 및 0.01 테스트에 대한 상관 관계 표에서 해당 임계 값을 식별합니다. 임계 값을 이전에 계산 된 상관 계수와 비교합니다. 상관 계수가 더 크면 결과가 중요하다고합니다.
필요한 것
- 공학용 계산기 또는 통계 프로그램
- 상관 계수 테이블의 임계 값
팁
상관 계수에 대한 신뢰 구간은 모집단 연구에서도 사용할 수 있습니다.
