Pearsono koreliacijos koeficientas, paprastai žymimas kaip r, yra statistinė vertė, matuojanti tiesinį ryšį tarp dviejų kintamųjų. Jo vertė svyruoja nuo +1 iki -1, o tai rodo puikų teigiamą ir neigiamą tiesinį ryšį tarp dviejų kintamųjų. Koreliacijos koeficientą paprastai apskaičiuoja statistinės programos, tokios kaip SPSS ir SAS, kad būtų pateiktos kuo tikslesnės mokslinių tyrimų ataskaitų teikimo vertės. Pearsono koreliacijos koeficiento aiškinimas ir naudojimas skiriasi atsižvelgiant į atitinkamo tyrimo, kuriame jis apskaičiuojamas, kontekstą ir tikslą.
Nustatykite bandomą priklausomą kintamąjį tarp dviejų nepriklausomai gautų stebėjimų. Vienas iš Pearsono koreliacijos koeficiento reikalavimų yra tas, kad du lyginamieji kintamieji turi būti stebimi arba matuojami nepriklausomai, kad būtų pašalinti bet kokie šališki rezultatai.
Apskaičiuokite Pearsono koreliacijos koeficientą. Didelių duomenų kiekių atveju skaičiavimas gali tapti labai varginantis. Be įvairių statistinių programų, daugelis mokslinių skaičiuotuvų turi galimybę apskaičiuoti vertę. Tikroji lygtis pateikta skyriuje Nuoroda.
Nurodykite koreliacijos vertę, artimą 0, nurodydami, kad tarp dviejų kintamųjų nėra tiesinio ryšio. Kai koreliacijos koeficientas artėja prie 0, reikšmės tampa mažiau susijusios, todėl nustatomi kintamieji, kurie gali būti nesusiję.
Pateikite koreliacijos vertę, artimą 1, kaip indikaciją, kad tarp dviejų kintamųjų yra teigiamas, tiesinis ryšys. Didesnė nei nulis vertė, artėjanti 1, lemia didesnę teigiamą duomenų koreliaciją. Kai vienas kintamasis padidina tam tikrą sumą, kitas kintamasis padidėja atitinkama suma. Aiškinimas turi būti nustatomas remiantis tyrimo kontekstu.
Nurodykite koreliacijos vertę, artimą -1, nurodydami, kad tarp dviejų kintamųjų yra neigiamas, tiesinis ryšys. Kai koeficientas artėja prie -1, kintamieji tampa labiau neigiamai koreliuoja, rodydami, kad didėjant vienam kintamajam, kitas kintamasis mažėja atitinkama suma. Aiškinimas vėl turi būti nustatomas remiantis tyrimo kontekstu.
Interpretuokite koreliacijos koeficientą pagal konkretaus duomenų rinkinio kontekstą. Koreliacijos vertė iš esmės yra atsitiktinė reikšmė, kuri turi būti taikoma remiantis lyginamaisiais kintamaisiais. Pavyzdžiui, gauta 0,912 r reikšmė rodo labai stiprų ir teigiamą tiesinį ryšį tarp dviejų kintamųjų. Tyrime, kuriame buvo lyginami du kintamieji, kurie paprastai nėra identifikuojami kaip susiję, šie rezultatai pateikia įrodymų kad vienas kintamasis gali teigiamai paveikti kitą kintamąjį, dėl to gali atsirasti tolesnių tyrimų tarp du. Tačiau tiksliai ta pati r reikšmė tyrime, lyginant du kintamuosius, kurie, kaip įrodyta, turi tobulą Teigiamas tiesinis ryšys gali nustatyti duomenų klaidą ar kitas galimas eksperimento problemas dizainas. Taigi pranešant ir aiškinant Pearsono koreliacijos koeficientą svarbu suprasti duomenų kontekstą.
Nustatykite rezultatų reikšmingumą. Tai atliekama naudojant koreliacijos koeficientą, laisvės laipsnius ir kritines koreliacijos koeficiento lentelės vertes. Laisvės laipsniai apskaičiuojami kaip suporuotų stebėjimų skaičius atėmus 2. Naudodamiesi šia verte, koreliacijos lentelėje nustatykite atitinkamą kritinę vertę atlikdami 0,05 ir 0,01 bandymą, nustatydami atitinkamai 95 ir 99 procentų patikimumo lygį. Palyginkite kritinę vertę su anksčiau apskaičiuotu koreliacijos koeficientu. Jei koreliacijos koeficientas yra didesnis, teigiama, kad rezultatai yra reikšmingi.
Dalykai, kurių jums prireiks
- Mokslinė skaičiuoklė arba statistinė programa
- Koreliacijos koeficiento lentelės kritinės vertės
Patarimai
Koreliacijos koeficiento patikimumo intervalai taip pat gali būti naudojami atliekant populiacijos tyrimus.