Współczynnik korelacji Pearsona, zwykle oznaczany jako r, jest wartością statystyczną, która mierzy liniową zależność między dwiema zmiennymi. Waha się w wartości od +1 do -1, wskazując odpowiednio na idealną dodatnią i ujemną zależność liniową między dwiema zmiennymi. Obliczanie współczynnika korelacji jest zwykle wykonywane przez programy statystyczne, takie jak SPSS i SAS, aby zapewnić możliwie najdokładniejsze wartości do celów raportowania w badaniach naukowych. Interpretacja i zastosowanie współczynnika korelacji Pearsona różni się w zależności od kontekstu i celu badania, w którym jest obliczany.
Zidentyfikuj zmienną zależną, która ma być testowana między dwiema niezależnymi obserwacjami. Jednym z wymogów współczynnika korelacji Pearsona jest to, że dwie porównywane zmienne muszą być obserwowane lub mierzone niezależnie, aby wyeliminować wszelkie tendencyjne wyniki.
Oblicz współczynnik korelacji Pearsona. W przypadku dużych ilości danych obliczenia mogą być bardzo żmudne. Oprócz różnych programów statystycznych, wiele kalkulatorów naukowych ma możliwość obliczenia wartości. Rzeczywiste równanie znajduje się w sekcji Odnośniki.
Podaj wartość korelacji bliską 0 jako wskazanie, że nie ma liniowej zależności między tymi dwiema zmiennymi. Gdy współczynnik korelacji zbliża się do 0, wartości stają się mniej skorelowane, co identyfikuje zmienne, które mogą nie być ze sobą powiązane.
Podaj wartość korelacji bliską 1 jako wskazanie, że istnieje dodatnia, liniowa zależność między tymi dwiema zmiennymi. Wartość większa od zera, która zbliża się do 1, powoduje większą pozytywną korelację między danymi. Gdy jedna zmienna zwiększa pewną kwotę, druga zmienna zwiększa się o odpowiednią kwotę. Interpretację należy ustalić na podstawie kontekstu badania.
Podaj wartość korelacji bliską -1 jako wskazanie, że istnieje ujemna, liniowa zależność między dwiema zmiennymi. Gdy współczynnik zbliża się do -1, zmienne stają się bardziej ujemnie skorelowane, co wskazuje, że gdy jedna zmienna wzrasta, druga zmienna maleje o odpowiednią wartość. Interpretację należy ponownie ustalić na podstawie kontekstu badania.
Zinterpretuj współczynnik korelacji w oparciu o kontekst konkretnego zestawu danych. Wartość korelacji jest zasadniczo wartością arbitralną, którą należy zastosować na podstawie porównywanych zmiennych. Na przykład otrzymana wartość r 0,912 wskazuje na bardzo silną i dodatnią zależność liniową między dwiema zmiennymi. W badaniu porównującym dwie zmienne, które zwykle nie są identyfikowane jako powiązane, wyniki te dostarczają dowodów że jedna zmienna może pozytywnie wpływać na drugą zmienną, co powoduje konieczność dalszych badań między dwa. Jednak dokładnie taka sama wartość r w badaniu porównującym dwie zmienne, w przypadku których udowodniono, że dodatnia zależność liniowa może identyfikować błąd w danych lub inne potencjalne problemy w eksperymentalnym projekt. Dlatego ważne jest, aby zrozumieć kontekst danych podczas raportowania i interpretacji współczynnika korelacji Pearsona.
Określ znaczenie wyników. Odbywa się to za pomocą współczynnika korelacji, stopni swobody i wartości krytycznych tabeli Współczynnik korelacji. Stopnie swobody są obliczane jako liczba sparowanych obserwacji minus 2. Korzystając z tej wartości, zidentyfikuj odpowiednią wartość krytyczną w tabeli korelacji dla testu 0,05 i 0,01 identyfikującego odpowiednio 95 i 99 procent poziomu ufności. Porównaj wartość krytyczną z wcześniej obliczonym współczynnikiem korelacji. Jeśli współczynnik korelacji jest większy, wyniki uważa się za istotne.
Rzeczy, których będziesz potrzebować
- Kalkulator naukowy lub program statystyczny
- Wartości krytyczne tabeli współczynników korelacji
Wskazówki
Przedziały ufności dla współczynnika korelacji mogą być również przydatne w badaniach populacyjnych.