Коефіцієнт кореляції Пірсона, який зазвичай позначають як r, є статистичним значенням, яке вимірює лінійну залежність між двома змінними. Значення варіюється від +1 до -1, що вказує на ідеальний позитивний та негативний лінійний зв’язок між двома змінними відповідно. Розрахунок коефіцієнта кореляції зазвичай виконують статистичні програми, такі як SPSS та SAS, щоб забезпечити максимально точні значення для звітування в наукових дослідженнях. Інтерпретація та використання коефіцієнта кореляції Пірсона змінюється залежно від контексту та мети відповідного дослідження, в якому він розраховується.
Визначте залежну змінну, яку потрібно перевірити, між двома незалежно отриманими спостереженнями. Однією з вимог коефіцієнта кореляції Пірсона є те, що дві порівнянні змінні повинні спостерігатися або вимірюватися незалежно для усунення будь-яких упереджених результатів.
Обчисліть коефіцієнт кореляції Пірсона. Для великих обсягів даних розрахунок може стати дуже нудним. Окрім різних статистичних програм, багато наукові калькулятори мають можливість обчислювати значення. Фактичне рівняння наведено у довідковому розділі.
Повідомте значення кореляції, близьке до 0, як вказівку на відсутність лінійного зв'язку між двома змінними. Оскільки коефіцієнт кореляції наближається до 0, значення стають менш корельованими, що ідентифікує змінні, які не можуть бути пов’язані між собою.
Повідомте значення кореляції, близьке до 1, як вказівку на те, що між цими двома змінними існує позитивний лінійний зв’язок. Значення більше нуля, яке наближається до 1, призводить до більшої позитивної кореляції між даними. Коли одна змінна збільшує певну величину, інша змінна збільшується на відповідну величину. Інтерпретація повинна визначатися виходячи з контексту дослідження.
Повідомте значення кореляції, близьке до -1, як вказівку на те, що між цими двома змінними існує від’ємна лінійна залежність. Коли коефіцієнт наближається до -1, змінні стають більш негативно корельованими, що вказує на те, що зі збільшенням однієї змінної інша змінна зменшується на відповідну величину. Інтерпретація знову повинна визначатися виходячи з контексту дослідження.
Інтерпретуйте коефіцієнт кореляції на основі контексту конкретного набору даних. Значення кореляції - це, по суті, довільне значення, яке необхідно застосовувати на основі порівняних змінних. Наприклад, отримане значення r 0,912 вказує на дуже сильний і позитивний лінійний зв’язок між двома змінними. У дослідженні, що порівнює дві змінні, які зазвичай не ідентифікуються як споріднені, ці результати дають докази що одна змінна може позитивно впливати на іншу змінну, що призводить до подальших досліджень між два. Однак точно таке ж значення r у дослідженні, що порівнює дві змінні, які, як доведено, мають ідеально Позитивний лінійний зв'язок може виявити помилку в даних або інші потенційні проблеми в експерименті дизайн. Таким чином, важливо розуміти контекст даних під час звітування та інтерпретації коефіцієнта кореляції Пірсона.
Визначте значимість результатів. Це досягається за допомогою коефіцієнта кореляції, ступенів свободи та критичних значень таблиці коефіцієнтів кореляції. Ступінь свободи обчислюється як кількість парних спостережень мінус 2. Використовуючи це значення, визначте відповідне критичне значення в таблиці кореляцій для тесту 0,05 та 0,01, що ідентифікує рівень довіри 95 та 99 відсотків відповідно. Порівняйте критичне значення з раніше розрахованим коефіцієнтом кореляції. Якщо коефіцієнт кореляції більший, результати називаються важливими.
Речі, які вам знадобляться
- Науковий калькулятор або статистична програма
- Критичні значення таблиці коефіцієнтів кореляції
Поради
Довірчі інтервали для коефіцієнта кореляції також можуть бути корисними в популяційних дослідженнях.