نیش آمار: همبستگی

ساخت وبلاگ

در این نیش ، شما می دانید که چه ارتباطی در تحقیق ، چگونگی تجزیه و تحلیل توطئه های پراکندگی و نحوه تفسیر خروجی آماری برای کمک به شما در درک همبستگی در تحقیقات دیگران و اطمینان به استفاده از آن به تنهایی است.

Correlation decretive image

همبستگی در دنیای واقعی

در تحقیقات ، ما اغلب می خواهیم بدانیم که آیا رابطه ای بین پدیده هایی که مشاهده کرده ایم وجود دارد یا خیر. به عنوان مثال ، ممکن است بدانید که آیا خوردن نوع خاصی از مواد غذایی مربوط به میزان چاقی است یا اینکه زندگی در یک منطقه خاص با امید به زندگی ارتباط دارد یا شاید اگر تبلیغات جدید مربوط به تعداد فروش محصول باشد. همبستگی یک روش غیر تجربی بسیار مفید برای به دست آوردن بینش در مورد روابطی است که در اطراف ما وجود دارد.

در اینجا چند نمونه از همبستگی های دنیای واقعی آورده شده است که برخی از آنها واضح است و برخی دیگر ممکن است تعجب آور باشد!

  • هرچه قهوه بیشتری بنوشید ، ساعتهای بیشتری از خواب بیدار می شوید
  • با افزایش حقوق و دستمزد نیز هزینه می شود
  • هرچه دانش آموزان کلاس های بیشتری از دست می دهند ، احتمال کاهش نمرات آنها بیشتر است
  • با افزایش فروش بستنی نیز قتل می شود

همبستگی چیست؟

همبستگی اندازه گیری رابطه بین دو متغیر است. همبستگی ها می توانند مثبت یا منفی باشند. یک همبستگی مثبت بدان معنی است که با افزایش یک متغیر (x) متغیر دیگر (y) نیز افزایش می یابد. همبستگی منفی از طرف دیگر بدان معنی است که با افزایش یک متغیر (x) دیگر (y) کاهش می یابد. بیایید از پراکندگی های زیر استفاده کنیم تا از نظر بصری انواع مختلف همبستگی را کشف کنیم.

Types of scatterplot diagram

بنابراین ، بیایید بگوییم که شما علاقه مند به این هستید که آیا بین میزان پولی که شخص دارد و مبلغی که به امور خیریه اهدا می کند ، رابطه وجود دارد یا خیر. ScatterPlot A به ما می گوید که هرچه حقوق بالاتر داشته باشد ، بیشتر به امور خیریه اهدا می کنند ، به این معنی که آنها به طور مثبت مرتبط هستند. به نظر می رسد یک رابطه نسبتاً قوی است ، زیرا نقاط داده کاملاً از نزدیک در اطراف خط شیب دار مثبت جمع شده اند. ScatterPlot B از طرف دیگر نشان می دهد که هرچه حقوق بالاتر داشته باشد ، احتمالاً آنها به امور خیریه نیز کمک می کنند ، به این معنی که با آنها ارتباط منفی دارند. باز هم ، این به نظر می رسد یک رابطه نسبتاً قوی است. ScatterPlot C نشان می دهد که هیچ ارتباطی بین این متغیرها وجود ندارد ، به این معنی که حقوق و دستمزد ارتباطی با میزان احتمالاً کمک مالی به امور خیریه ندارد. برای نمونه های بیشتر از پراکندگی و نحوه تجزیه و تحلیل آنها ، این مقاله را بررسی کنید.

همبستگی به معنای علیت نیست!

اکنون ما مانترا قدیمی "همبستگی را به معنای علیت نیست" معرفی می کنیم. درک آن بسیار مهم است و گاهی اوقات فراموش کردن با همه همبستگی های فریبنده ارائه شده در رسانه ها بسیار مهم است. اگر از نمونه های همبستگی در اوایل به یاد دارید ، ممکن است از آخرین مورد غافلگیر شده باشید - فروش بستنی ها با نرخ قتل مثبت است. در اینجا می توانید اهمیت مانترا را مشاهده کنید ، زیرا ادعا می شود که فروش یخ باعث قتل بالاتری می شود. به همین ترتیب ، با سایر همبستگی های دنیای واقعی ، فقط می توانیم بگوییم که این رابطه وجود دارد ، نمی توانیم بگوییم که در صورت وجود ، کدام متغیر علت تغییر در متغیر دیگر است. به ویدیوی زیر نگاهی بیندازید که همبستگی را توضیح می دهد و چرا این مورد است

Types of relationship diagram

در اینجا برخی از قوانین انگشت شست طبق گفته اوانز (1999) که قدرت رابطه را بر اساس r تعیین می کند.

  • r = 0 - 0. 19 یک رابطه بسیار ضعیف محسوب می شود
  • r = 0. 20 - 0. 39 یک رابطه ضعیف محسوب می شود
  • r = 0. 40 - 0. 59 یک رابطه متوسط در نظر گرفته می شود
  • r = 0. 60 - 0. 79 یک رابطه قوی محسوب می شود
  • r = 0. 80 - 1 یک رابطه بسیار قوی محسوب می شود

تفسیر و نوشتن تحلیل همبستگی

خروجی برای تجزیه و تحلیل همبستگی بسته به نرم افزاری که از آن استفاده می کنید متفاوت به نظر می رسد اما همه آنچه برای تشخیص در خروجی مهم است R و سطح اهمیت مرتبط با R (مقدار p) است. به یاد داشته باشید ، فقط R را از طریق تجزیه و تحلیل همبستگی پس از بازرسی بصری یک پراکندگی که رابطه را نشان می دهد محاسبه کنید. در صورت عدم وجود رابطه مشاهده شده ، هیچ نکته ای در محاسبه ضریب همبستگی وجود ندارد! در زیر یک جمله مثال وجود دارد که می توانید هنگام نوشتن گزارش خود شماره های خود را وصل کنید.

شما می خواهید به خواننده خود اجازه دهید تجزیه و تحلیل آماری دقیقی را که استفاده کرده اید و همچنین متغیرهایی را که برای یک رابطه بالقوه آزمایش می کنید ، بشناسد.

"A (آزمون آماری مورد استفاده) برای بررسی رابطه بین (متغیر 1) و (متغیر 2) انجام شد."

شما همچنین می خواهید به خواننده خود اجازه دهید جهت و قدرت رابطه را از طریق کلمات و همچنین با ارائه ضریب همبستگی و سطح اهمیت مرتبط با آن اطلاع دهید.

نتایج آزمون نشان داد که یک همبستگی (مثبت/منفی) ، (ضعیف/متوسط/قوی) بین دو متغیر (R = X ، P = X) وجود دارد.

اگر این را با یک مثال پر کنیم ، جمله ای را می گیریم که به نظر می رسد.

"همبستگی پیرسون برای بررسی رابطه بین حقوق و میزان سالانه به امور خیریه انجام شد. نتایج آزمون نشان داد که بین دو متغیر رابطه مثبت و قوی وجود دارد (68/0 = r ، 004/0 = p). "

گزینه های باینری...
ما را در سایت گزینه های باینری دنبال می کنید

برچسب : نویسنده : هایده حائری بازدید : <-PostHit-> تاريخ : يکشنبه 29 مرداد 1402 ساعت: 15:07