Содержание
Коэффициент корреляции Пирсона, обычно обозначаемый как r, является статистическим значением, которое измеряет линейную зависимость между двумя переменными. Диапазон значений от +1 до -1, что указывает на идеальную положительную и отрицательную линейную зависимость соответственно между двумя переменными. Расчет коэффициента корреляции обычно выполняется статистическими программами, такими как SPSS и SAS, чтобы обеспечить наиболее точные возможные значения для отчетности в научных исследованиях. Интерпретация и использование коэффициента корреляции Пирсона варьируется в зависимости от цели и целей соответствующего исследования, в котором он рассчитан.
Определите зависимую переменную для проверки между двумя независимо полученными наблюдениями. Одним из требований к коэффициенту корреляции Пирсона является то, что две сравниваемые переменные должны наблюдаться или измеряться независимо, чтобы исключить какие-либо необъективные результаты.
Рассчитайте коэффициент корреляции Пирсона. Для больших объемов данных расчет может стать очень утомительным. В дополнение к различным статистическим программам, многие научные калькуляторы имеют возможность рассчитать стоимость. Фактическое уравнение приведено в справочном разделе.
Сообщите значение корреляции, близкое к 0, как признак того, что между двумя переменными нет линейной зависимости. Когда коэффициент корреляции приближается к 0, значения становятся менее коррелированными, что определяет переменные, которые могут быть не связаны друг с другом.
Сообщите значение корреляции, близкое к 1, как признак наличия положительной линейной зависимости между двумя переменными. Значение больше нуля, которое приближается к 1, приводит к большей положительной корреляции между данными. Когда одна переменная увеличивается на определенную величину, другая переменная увеличивается на соответствующую величину. Интерпретация должна быть определена на основе кон исследования.
Сообщите значение корреляции, близкое к -1, как признак наличия отрицательной линейной зависимости между двумя переменными. Когда коэффициент приближается к -1, переменные становятся более отрицательно коррелированными, что указывает на то, что при увеличении одной переменной другая переменная уменьшается на соответствующую величину. Интерпретация снова должна быть определена на основе довода "против" исследования.
Интерпретировать коэффициент корреляции на основе кон конкретного набора данных. Значение корреляции по сути является произвольным значением, которое должно применяться на основе сравниваемых переменных. Например, результирующее значение r 0,912 указывает на очень сильную и положительную линейную связь между двумя переменными. В исследовании, сравнивающем две переменные, которые обычно не идентифицируются как связанные, эти результаты свидетельствуют о том, что одна переменная может положительно влиять на другую переменную, что приводит к необходимости дальнейших исследований между этими двумя. Тем не менее, одно и то же значение r в исследовании, сравнивающем две переменные, которые, как доказывают, имеют совершенно положительные линейные отношения, может идентифицировать ошибку в данных или другие потенциальные проблемы в дизайне эксперимента. Таким образом, важно понимать смысл данных при представлении и интерпретации коэффициента корреляции Пирсона.
Определите значимость результатов. Это достигается с использованием коэффициента корреляции, степеней свободы и критических значений таблицы коэффициентов корреляции. Степени свободы рассчитываются как число парных наблюдений минус 2. Используя это значение, определите соответствующее критическое значение в таблице корреляции для теста 0,05 и 0,01, определяющего уровень достоверности 95 и 99 процентов соответственно. Сравните критическое значение с ранее рассчитанным коэффициентом корреляции. Если коэффициент корреляции больше, результаты считаются значимыми.