Пресметајте и разберете ја статистичката корелација - со пример
Објавено на 5 април 2019 година од Валери Бенинг. Ажурирано на 21 јули 2020 година.
Корелацијата ни го кажува степенот на поврзаност помеѓу две варијабли.
Позитивна корелација значи дека променливите се развиваат во иста насока. Значи, ако една варијабла се зголеми, се зголемува и другата променлива. Во случај на негативна корелација, спротивното е точно: зголемувањето на променливата 1 значи намалување на променливата 2.
Забелешка Корелацијата е секогаш ненасочена, т.е. односно не кажува која променлива ја предизвикува другата. Наместо тоа, можеме да ја искористиме корелацијата за да кажеме дали постои врска и колку е силна.
Содржина
Правилно утврдување и толкување на корелациите
Корелацијата е означена со коефициентот на корелација. Ова секогаш зема вредност помеѓу -1 и +1.
Пример Ние сакаме да ја одредиме врската помеѓу висината (променливата 1) и тежината (променливата 2) на луѓето.
- блиску до бројот 1 → силна позитивна корелација,
z На пр., Повисоките луѓе имаат поголема тежина. - близу до бројот -1 → силна негативна корелација
z На пр., Повисоките луѓе имаат помала тежина. - близу до бројот 0 hard Едвај постои поврзаност помеѓу променливите висина и тежина.
Табелата ви дава преглед на развојот на двете варијабли во зависност од тоа дали тие корелираат позитивно или негативно.
| Позитивна корелација | Се зголемува променливата 1 increases Се зголемува променливата 2 | Како што се зголемува големината, така се зголемува и тежината. |
| Променливата 1 се намалува → Променливата 2 се намалува | Ако големината се намали, и тежината се намалува. | |
| Се зголемува променливата 2 → Се зголемува променливата 1 | Како што тежината се зголемува, така се зголемува и големината. | |
| Променливата 2 се намалува → Променливата 1 се намалува | Ако тежината падне, паѓа и големината. | |
| Негативна корелација | Се зголемува променливата 1 ases се намалува променливата 2 | Ако големината се зголеми, тежината се намалува. |
| Променливата 1 се намалува → променливата 2 се зголемува | Ако големината се намали, тежината се зголемува. | |
| Се зголемува променливата 2 → се намалува променливата 1 | Ако тежината се зголеми, големината се намалува. | |
| Променливата 2 се намалува → променливата 1 се зголемува | Ако тежината се намали, големината се зголемува. |
Пресметајте ја корелацијата - Пирсон или Спирман?
Со цел да се пресмета и посочи корелацијата, се одредува коефициентот на корелација. Тоа зависи од обемот на податоците кој коефициент на корелација е вистинскиот.
Користете го коефициентот на корекција на Пирсон ако вашите податоци се метрички и коефициентот на корелација на рангот Спирман ако имате редни податоци.
Белешка За номинално скалирани податоци, ние го одредуваме коефициентот на непредвидени состојби за да ја означиме врската помеѓу две варијабли.
Кој е твојот резултат?
Откријте одвнатре 10 мин, без оглед дали сте создале плагијат ненамерно.
- 70+ милијарди извори на Интернет
- 69+ милиони публикации
- Безбедна заштита на податоците
Толкувајте ја корелацијата со заплетот за расејување
Во прилог на пресметување на коефициентот на корелација, можете да креирате заговор за расејување. Ова ја илустрира врската помеѓу двете варијабли.
Илустрацијата го прикажува заплетот за нашиот пример со висината и тежината на луѓето. Гледаме дека постои позитивна корелација бидејќи распределбата на набудувањата (точките) е повеќе како линија.
Значи, променливите се движат во иста насока и можеме да заклучиме дека поголема висина оди рака под рака со поголема тежина.
Забелешка Ако распределбата на набудувањата повеќе личи на линија, ова укажува на посилна врска помеѓу двете варијабли и со тоа поголем коефициент на корелација (r-вредност) отколку ако набationsудувањата се широко распространети.
Заговор за растера во SPSS, Excel и Google Sheets
Користете ги следниве чекори за да креирате заговор за расфрлање користејќи SPSS, Excel и Google Sheets:
| Графика creation Создавање дијаграм → Дијаграм растера/точка |
| Вметнете → Дијаграм → Точка (X, Y) или дијаграм за расејување |
Корелација и каузалност
При утврдување на корелацијата, важно е да се напомене дека корелацијата, иако е индикативна за каузална врска, не е доказ.
Ова го покажува примерот на набудување на штрковите и наталитетот:
Ако забележиме зголемен број на штркови и е забележана поголема стапка на наталитет во регионот, можеме да кажеме дека постои корелација, но не и дека постои каузална врска (на пример, штркот ги носи бебињата).
Ако сакате да откриете дали постои каузална врска, треба да направите експериментално истражување или анализа на регресија со повеќе контролни варијабли.
Најчесто поставувани прашања
Корелацијата ни го кажува степенот на поврзаност помеѓу две варијабли.
Користете го коефициентот на корекција на Пирсон за метрички податоци и коефициентот на корелација на рангот Спирман за редни податоци за кои одредувате корелација.
Не, корелацијата е индикација, но не и доказ, за каузална врска помеѓу две варијабли.