የምርት ጊዜ ትስስር

የምርት ጊዜ ትስስር፡ በተለዋዋጮች መካከል ያለውን መስመራዊ ግንኙነት ማሰስ

የምርት-ሞመንት ትሬሌሽን፣ ብዙውን ጊዜ ፒርሰን ትሬሌሽን በመባል የሚታወቀው፣ በሁለት የቁጥር ተለዋዋጮች መካከል ያለውን መስመራዊ ግንኙነት ጥንካሬ እና አቅጣጫ ለመለካት በብዛት ጥቅም ላይ ከሚውሉ የስታቲስቲክስ ዘዴዎች አንዱ ነው። ይህ ዘዴ በ19ኛው ክፍለ ዘመን መገባደጃ ላይ በካርል ፒርሰን የተፈጠረ ሲሆን እንደ ሳይኮሎጂ፣ ኢኮኖሚክስ፣ ባዮሎጂ እና ማህበራዊ ሳይንስ ባሉ የተለያዩ ዘርፎች ውስጥ አስፈላጊ መሳሪያ ሆኖ ቀጥሏል።

ፍቺ እና መሰረታዊ ፅንሰ ሀሳቦች

የምርት ሞመንት ኮሬሌሽን ሁለት ተለዋዋጮች የሚዛመዱበትን ደረጃ ይለካል። እንደ r የተመደበው የፒርሰን ኮሬሌሽን ኮፊሸንት ከ -1 እስከ +1 ይደርሳል። የ +1 እሴት ፍጹም የሆነ አወንታዊ መስመራዊ ግንኙነትን ያመለክታል፣ በአንድ ተለዋዋጭ ላይ መጨመር በሌላኛው ላይ መጨመር ይከተላል። የ -1 እሴት ፍጹም የሆነ አሉታዊ መስመራዊ ግንኙነትን ያሳያል፣ በአንድ ተለዋዋጭ ላይ መጨመር በሌላኛው ላይ መቀነስ ይከተላል። በሌላ በኩል የ 0 እሴት በተለዋዋጮቹ መካከል ምንም አይነት መስመራዊ ግንኙነት አያመለክትም።

የፒርሰን ትሬሌሽን ኮፊሸንት ማስላት

የፒርሰን ትሬኒንግ ኮፊሸንትን ለማስላት የቀረበው ቀመር እንደሚከተለው ነው፡

\[ r = \frac{N(\sum XY) – (\sum X)(\sum Y)}{\sqrt{[N \sum X^2 – (\sum

የት፡
– \(N \) የውሂብ ጥንዶች ብዛት ነው።
– \( X \) እና \( Y \) የመጀመሪያዎቹ እና የሁለተኛው ተለዋዋጮች እሴቶች ናቸው።
– \( \sum XY \) የውጤቶቹ \( X \) እና \( Y \) ውጤቶች ድምር ነው።
– \( \sum X \) እና \( \sum Y \) የእሴቶቹ \( X \) እና \( Y \) ድምር ናቸው።
– \( \sum X^2 \) እና \( \sum Y^2 \) የእሴቶች \( X \) እና \( Y \) ካሬዎች ድምር ናቸው።

የውጤቶች ትርጓሜ

የ \( r \ እሴትን ካሰላ በኋላ፣ የሚቀጥለው እርምጃ ውጤቶቹን መተርጎም ነው፡
– \( r \) = +1፡ ፍጹም አዎንታዊ ግንኙነት።
– \( r \) = -1፡ ፍጹም አሉታዊ ግንኙነት።
– \( 0 < r < +1 \): ደካማ እስከ ጠንካራ አዎንታዊ ግንኙነት። - \( -1 < r < 0 \): ደካማ ወደ ጠንካራ አሉታዊ ግንኙነት። - \( r \) = 0: በተለዋዋጮች መካከል ምንም መስመራዊ ግንኙነት የለም። በአጠቃላይ፣ የ\( r \) እሴት መጠን ከግንኙነቱ ጥንካሬ መስፈርቶች ጋርም የተቆራኘ ነው፣ ለምሳሌ፡ - \( 0.00 - 0.19 \): በጣም ዝቅተኛ ትስስር። - \( 0.20 - 0.39 \): ዝቅተኛ ትስስር። - \( 0.40 - 0.59 \): መካከለኛ ትስስር። - \( 0.60 - 0.79 \): ጠንካራ ትስስር። - \( 0.80 - 1.00 \): በጣም ጠንካራ ትስስር። ይሁን እንጂ፣ እነዚህ መመዘኛዎች መደበኛ አይደሉም እና እንደተጠቀመበት የሳይንስ አውድ እና መስክ ሊለያዩ ይችላሉ። በተለያዩ መስኮች አፕሊኬሽኖች፡- ፒርሰን ኮሬሌሽን በተለያዩ ዘርፎች በስፋት ጥቅም ላይ ይውላል። ለምሳሌ፣ በስነ-ልቦና፣ በሁለት የስብዕና ገጽታዎች መካከል ያለውን ግንኙነት ለመለካት፤ በኢኮኖሚክስ፣ እንደ ገቢ እና ፍጆታ ባሉ ሁለት የኢኮኖሚ ተለዋዋጮች መካከል ያለውን ግንኙነት ለመገምገም፤ በባዮሎጂ፣ በሁለት ባዮሎጂካል ባህሪያት መካከል ያለውን ግንኙነት ለመመልከት። ለምሳሌ፣ አንድ ተመራማሪ በጭንቀት እና በእንቅልፍ ጥራት መካከል ግንኙነት መኖሩን ማወቅ ይፈልጉ ይሆናል። ተመራማሪዎች ከብዙ ግለሰቦች የጭንቀት ደረጃዎችን እና የእንቅልፍ ጥራትን መረጃ በመሰብሰብ እና ፒርሰን ኮሬሌሽንን በመጠቀም፣ በእነዚህ ሁለት ተለዋዋጮች መካከል በስታቲስቲክስ ደረጃ ጉልህ የሆነ ጥምርታ መኖሩን መለየት ይችላሉ። ገደቦች እና ግምት ውስጥ መግባት ምንም እንኳን የፒርሰን ትሬሌሽን ኃይለኛ መሳሪያ ቢሆንም፣ በርካታ ገደቦች ግምት ውስጥ መግባት አለባቸው፡ 1. የሊኒያሪቲ ግምት፡ ፒርሰን ለሊኒያር ግንኙነቶች ብቻ ተስማሚ ነው። በተለዋዋጮች መካከል ያለው ግንኙነት መስመራዊ ካልሆነ፣ በፒርሰን ኮሪደር ኮፊሸንት በደንብ አይወከልም። በእንደዚህ ዓይነት ሁኔታዎች፣ ሌሎች የትስስር ዘዴዎች ወይም መስመራዊ ያልሆኑ ትንተናዎች የበለጠ ተገቢ ሊሆኑ ይችላሉ። 2. ለውጫዊ እሴቶች ስሜታዊነት፡- እጅግ በጣም ከፍተኛ እሴቶች ወይም ውጫዊ እሴቶች የተዛመደውን እሴት በእጅጉ ሊነኩ ይችላሉ። ስለዚህ፣ የውጭ አካላትን መለየት እና አያያዝ በውሂብ ትንተና ውስጥ በጣም አስፈላጊ ነው። 3. መንስኤን አያሳይም፦ ዝምድናው ከምክንያት ጋር አንድ አይደለም። ሁለት ተለዋዋጮች እርስ በርስ የተያያዙ በመሆናቸው ብቻ፣ አንድ ተለዋዋጭ በሌላኛው ተለዋዋጭ ላይ ለውጦችን ያስከትላል ማለት አይደለም። ስለዚህ፣ የተዛማጅነት ውጤቶች በጥንቃቄ መተንተን አለባቸው፣ እና የምክንያት ግንኙነቶችን ለመወሰን ተጨማሪ ምርምር ሊያስፈልግ ይችላል። ከፒርሰን ትሬሌሽን ጋር የሚሄዱ አማራጮች ከፒርሰን ትሬሌሽን በተጨማሪ፣ እንደ የውሂብ ሁኔታዎች እና አይነት ሊጠቀሙባቸው የሚችሉ ሌሎች በርካታ የትሬሌሽን ዘዴዎች አሉ፡ - የስፓርማን ትሬሌሽን፡ ለመደበኛ መረጃ ወይም የመደበኛነት እና የሊኒየርነት ግምቶችን የማያሟላ መረጃ ጥቅም ላይ ይውላል። የስፓርማን ትስስር በሁለት ተለዋዋጮች መካከል ያለውን የሞኖቶኒክ ግንኙነት ጥንካሬ እና አቅጣጫ ይለካል። - የኬንዳል ትስስር፡- እንዲሁም ለመደበኛ ውሂብ ወይም መደበኛ ያልሆነ ውሂብ። በሁለት የውሂብ ደረጃዎች መካከል ያለውን የስምምነት ደረጃ ያሰላል። መደምደሚያ የምርት ሞመንት ኮሬሌሽን ወይም ፒርሰን ኮሬሌሽን ተመራማሪዎች በሁለት የቁጥር ተለዋዋጮች መካከል ያለውን መስመራዊ ግንኙነት እንዲረዱ የሚያስችል በመረጃ ትንተና ውስጥ አስፈላጊ መሳሪያ ነው። የጥምረት ኮፊሸንት ስሌት እና ትርጓሜ በተለዋዋጮች መካከል ስላለው ግንኙነት ጥንካሬ እና አቅጣጫ ጠቃሚ ግንዛቤዎችን ይሰጣል። ሆኖም ግን፣ ትስስር ምክንያታዊነትን እንደማያመለክት ማስታወስ አስፈላጊ ነው፣ እና የትንታኔው ውጤቶች በአጠቃላይ ሁኔታ መታየት አለባቸው። ተመራማሪዎች ፒርሰን ኮሬሌሽንን በጥበብ በመጠቀም፣ ከሚያጠኑት መረጃ የበለጠ ትክክለኛ እና ተዛማጅ አጠቃላይ መረጃዎችን ማድረግ ይችላሉ።