Hva er de forskjellige typene av sammenhenger?

Forskjellige typer sammenhenger brukes i statistikk for å måle måtene variabler forholder seg til hverandre. For eksempel ved å bruke to variabler - klassetrang på videregående skole og GPA - kan en observatør tegne en sammenheng med at studenter med en gjennomsnittlig videregående rangering vanligvis oppnår en høyskole over gjennomsnittet GPA. Korrelasjoner måler også styrken på forholdet og om korrelasjonen mellom variabler er positiv eller negativ. Hvilken type korrelasjon som utføres, avhenger av om variablene er ikke-numeriske eller intervalldata, for eksempel temperatur.

Pearson Product Moment Correlation ble oppkalt etter Karl Pearson, grunnlegger av matematisk statistikk. Det regnes som en enkel lineær korrelasjon, noe som betyr at forholdet mellom to variabler avhenger av at de er konstante. Pearson brukes med intervaldata for å måle styrken til en korrelasjon, som er representert av bokstaven r i ligningen. Denne sammenhengen viser også om forholdet er positivt eller negativt; representert med tall verdsatt mellom +1 og -1. Jo nærmere verdien av r kommer til -1.00 eller +1.00, jo sterkere er korrelasjonen. Jo nærmere verdien av r kommer til tallet 0, jo svakere er korrelasjonen. For eksempel, hvis r tilsvarte -.90 eller .90, ville det indikere et sterkere forhold enn -.09 eller .09.

Spearman's Rank Correlation ble oppkalt etter statistikeren Charles Edward Spearman. Spearmans ligning er enklere og brukes ofte i statistikk i stedet for Pearson, selv om den er mindre avgjørende. Samfunnsforskere kan også bruke Spearmans til å beskrive sammenhengen mellom kvalitative data, som etnisitet eller kjønn, og kvantitative data, for eksempel antall forbrytelser begått. Korrelasjonen beregnes ved hjelp av en nullhypotese som senere blir akseptert eller avvist. En nullhypotese består normalt av et spørsmål som skal besvares; for eksempel om antall forbrytelser begått er det samme for menn og kvinner.

Kendall Rank Correlation, oppkalt etter den britiske statistikeren Maurice Kendall, måler avhengighetsstyrken mellom settene med to tilfeldige variabler. Kendall kan brukes til videre statistisk analyse når en Spearmans korrelasjon avviser nullhypotesen. Det oppnår en korrelasjon når verdien til den ene variabelen synker og den andre variabelens verdi øker; denne sammenhengen blir referert til som uoverensstemmende par. En korrelasjon kan også forekomme når begge variablene øker samtidig, referert til som et samsvarende par.