Pīrsona korelācijas koeficients, ko parasti apzīmē kā r, ir statistiska vērtība, kas mēra lineāro saistību starp diviem mainīgajiem. Tā vērtība svārstās no +1 līdz -1, kas norāda uz perfektu pozitīvu un negatīvu lineāru saistību starp diviem mainīgajiem lielumiem. Korelācijas koeficienta aprēķinu parasti veic statistikas programmas, piemēram, SPSS un SAS, lai nodrošinātu pēc iespējas precīzākas vērtības ziņošanai zinātniskajos pētījumos. Pīrsona korelācijas koeficienta interpretācija un izmantošana mainās atkarībā no attiecīgā pētījuma konteksta un mērķa, kurā tas tiek aprēķināts.
Starp diviem neatkarīgi iegūtajiem novērojumiem identificējiet pārbaudāmo mainīgo mainīgo. Viena no Pīrsona korelācijas koeficienta prasībām ir tā, ka abi salīdzināmie mainīgie jāievēro vai jāmēra neatkarīgi, lai novērstu jebkādus neobjektīvus rezultātus.
Aprēķiniet Pīrsona korelācijas koeficientu. Lieliem datu apjomiem aprēķins var kļūt ļoti garlaicīgs. Papildus dažādām statistikas programmām daudziem zinātniskajiem kalkulatoriem ir iespēja aprēķināt vērtību. Faktiskais vienādojums ir norādīts atsauces sadaļā.
Norādiet korelācijas vērtību, kas ir tuvu 0, kā norādi, ka starp abiem mainīgajiem lielumiem nav lineāras sakarības. Tuvojoties korelācijas koeficientam 0, vērtības kļūst mazāk savstarpēji saistītas, kas identificē mainīgos, kuri, iespējams, nav savstarpēji saistīti.
Norādiet korelācijas vērtību, kas ir tuvu 1, kā norādi, ka starp šiem diviem mainīgajiem ir pozitīva, lineāra sakarība. Vērtība, kas lielāka par nulli un tuvojas 1, rada lielāku pozitīvu korelāciju starp datiem. Kad viens mainīgais palielina noteiktu daudzumu, otrs mainīgais palielinās atbilstošā apjomā. Interpretācija jānosaka, pamatojoties uz pētījuma kontekstu.
Norādiet korelācijas vērtību, kas ir tuvu -1, kā norādi, ka starp šiem diviem mainīgajiem ir negatīva, lineāra sakarība. Tuvojoties koeficientam -1, mainīgie kļūst negatīvāk korelēti, norādot, ka, palielinoties vienam mainīgajam, otrs mainīgais samazinās par atbilstošu summu. Interpretācija atkal jānosaka, pamatojoties uz pētījuma kontekstu.
Interpretējiet korelācijas koeficientu, pamatojoties uz konkrētās datu kopas kontekstu. Korelācijas vērtība būtībā ir patvaļīga vērtība, kas jāpiemēro, pamatojoties uz salīdzinātajiem mainīgajiem. Piemēram, iegūtā r vērtība 0,912 norāda uz ļoti spēcīgu un pozitīvu lineāru saistību starp diviem mainīgajiem. Pētījumā, kurā salīdzināti divi mainīgie, kuri parasti netiek identificēti kā saistīti, šie rezultāti sniedz pierādījumus ka viens mainīgais var pozitīvi ietekmēt otru mainīgo, radot iemeslu turpmākiem pētījumiem starp divi. Tomēr tieši tāda pati r vērtība pētījumā, kurā salīdzināti divi mainīgie, kuriem ir pierādīts perfekts pozitīva lineāra sakarība var identificēt kļūdu datos vai citas iespējamās problēmas eksperimentā dizains. Tādējādi, ziņojot un interpretējot Pīrsona korelācijas koeficientu, ir svarīgi saprast datu kontekstu.
Nosakiet rezultātu nozīmīgumu. Tas tiek panākts, izmantojot korelācijas koeficientu, brīvības pakāpes un korelācijas koeficienta tabulas kritiskās vērtības. Brīvības pakāpes aprēķina kā pāru novērojumu skaitu mīnus 2. Izmantojot šo vērtību, korelācijas tabulā identificējiet atbilstošo kritisko vērtību 0,05 un 0,01 testam, identificējot attiecīgi 95 un 99 procentu ticamības līmeni. Salīdziniet kritisko vērtību ar iepriekš aprēķināto korelācijas koeficientu. Ja korelācijas koeficients ir lielāks, rezultāti tiek uzskatīti par nozīmīgiem.
Jums nepieciešamās lietas
- Zinātniskais kalkulators vai statistikas programma
- Korelācijas koeficientu tabulas kritiskās vērtības
Padomi
Korelācijas koeficienta ticamības intervāli var būt noderīgi arī populācijas pētījumos.