Tartalom
Pearson korrelációs együtthatója, amelyet általában r-ként jelölnek, olyan statisztikai érték, amely két változó közötti lineáris kapcsolatot méri. Értéke +1-től -1-ig terjed, jelezve a tökéletes pozitív és negatív lineáris kapcsolatot két változó között. A korrelációs együttható kiszámítását általában statisztikai programok, például SPSS és SAS végzik, hogy a tudományos kutatásokban a lehető legpontosabb értékeket lehessen szolgáltatni. A Pearson korrelációs együtthatójának értelmezése és felhasználása az adott tanulmány tartalma és célja alapján változik, amelyben azt kiszámítják.
Határozzuk meg a vizsgált függő változót két egymástól függetlenül levonható megfigyelés között. A Pearson korrelációs együtthatójának egyik követelménye az, hogy a két összehasonlítandó változót függetlenül kell megfigyelni vagy mérni, hogy kiküszöböljék az esetleges elfogult eredményeket.
Számítsa ki Pearson korrelációs együtthatóját. Nagy mennyiségű adat esetén a számítás nagyon unalmasá válhat. A különféle statisztikai programok mellett számos tudományos számológép képes kiszámítani az értéket. A tényleges egyenletet a Referencia szakasz tartalmazza.
Jelezze a 0-hoz közeli korrelációs értéket, jelezve, hogy a két változó között nincs lineáris kapcsolat. Ahogy a korrelációs együttható közelít a 0-hoz, az értékek kevésbé korrelálnak, ami azonosítja azokat a változókat, amelyek esetleg nem állnak kapcsolatban egymással.
Jelezze az 1hez közeli korrelációs értéket, jelezve, hogy a két változó között pozitív, lineáris kapcsolat van. Az nullánál nagyobb érték, amely megközelíti az 1-t, nagyobb pozitív korrelációt eredményez az adatok között. Amint az egyik változó növeli egy bizonyos összeget, a másik változó a megfelelő összeggel növekszik. Az értelmezést a tanulmány következményei alapján kell meghatározni.
Jelezze a -1 közeli korrelációs értéket, jelezve, hogy a két változó között negatív, lineáris kapcsolat van. Ahogyan az együttható megközelíti az -1-et, a változók negatívabb korrelációt kapnak, jelezve, hogy az egyik változó növekedésével a másik változó a megfelelő összeggel csökken. Az értelmezést újra meg kell határozni a tanulmány következtetései alapján.
Értelmezze a korrelációs együtthatót az adott adat halmaza alapján. A korrelációs érték lényegében egy tetszőleges érték, amelyet az összehasonlítandó változók alapján kell alkalmazni. Például, az így kapott r érték 0,912 nagyon erős és pozitív lineáris kapcsolatot mutat két változó között. Egy olyan vizsgálatban, amelyben összehasonlítják azokat a két változót, amelyeket általában nem azonosítanak egymással, ezek az eredmények bizonyítékot szolgáltatnak arra, hogy az egyik változó pozitívan befolyásolhatja a másik változót, és további kutatást indokolhat a kettő között. Ugyanakkor ugyanolyan r érték egy olyan vizsgálatban, amelyben két olyan változót hasonlítanak össze, amelyek bizonyítottan tökéletesen pozitív lineáris összefüggéssel azonosíthatnak hibát az adatokban, vagy a potenciális problémákat a kísérleti tervben. Ezért fontos megérteni az adatok viszonylatát, amikor Pearson korrelációs együtthatóját jelentik és értelmezik.
Határozzuk meg az eredmények jelentőségét. Ezt a korrelációs együttható, a szabadság foka és a korrelációs együttható táblázat kritikus értékei felhasználásával érik el. A szabadság fokát úgy számolják, hogy a párosított megfigyelések száma mínusz 2. Ezzel az értékkel azonosítsa a megfelelõ kritikus értéket a korrelációs táblázatban egy 0,05 és 0,01 teszthez, amely azonosítja a 95 és 99 százalékos megbízhatósági szintet. Hasonlítsa össze a kritikus értéket az előzőleg kiszámított korrelációs együtthatóval. Ha a korrelációs együttható nagyobb, akkor az eredményeknek jelentőséggel bírnak.