Məhsul Momenti Korrelyasiyası: Dəyişənlər Arasındakı Xətti Əlaqənin Araşdırılması
Məhsul-Moment Korrelyasiyası, tez-tez Pearson Korrelyasiyası olaraq adlandırılan, iki ədədi dəyişən arasındakı xətti əlaqənin gücünü və istiqamətini ölçmək üçün ən çox istifadə edilən statistik metodlardan biridir. 19-cu əsrin sonlarında Karl Pearson tərəfindən icad edilən bu metod, psixologiya, iqtisadiyyat, biologiya və sosial elmlər kimi müxtəlif fənlərdə mühüm bir vasitə olaraq qalmaqdadır.
Tərif və Əsas Anlayışlar
Hasil Moment Korrelyasiyası iki dəyişənin nə dərəcədə korrelyasiya olunduğunu ölçür. r ilə işarələnən Pearson korrelyasiya əmsalı -1 ilə +1 arasında dəyişir. +1 dəyəri bir dəyişənin artmasından sonra digərinin də artdığı mükəmməl müsbət xətti əlaqəni göstərir. -1 dəyəri bir dəyişənin artmasından sonra digərinin də azaldığı mükəmməl mənfi xətti əlaqəni göstərir. Digər tərəfdən, 0 dəyəri dəyişənlər arasında xətti əlaqənin olmadığını göstərir.
Pirson Korrelyasiya Əmsalının Hesablanması
Pirson korrelyasiya əmsalının hesablanması düsturu aşağıdakı kimidir:
\[ r = \frac{N(\sum XY) – (\sum X)(\sum Y)}{\sqrt{[N \sum X^2 – (\sum
Harada:
– \( N \) məlumat cütlərinin sayıdır.
– \( X \) və \( Y \) birinci və ikinci dəyişənlərin qiymətləridir.
– \( \sum XY \), \(X \) və \(Y \) ballarının hasillərinin cəmidir.
– \( \sum X \) və \( \sum Y \), \( X \) və \( Y \) qiymətlərinin cəmidir.
– \( \sum X^2 \) və \( \sum Y^2 \), \( X \) və \( Y \) qiymətlərinin kvadratlarının cəmidir.
Nəticələrin Şərhi
\(r\) dəyərini hesabladıqdan sonra növbəti addım nəticələri şərh etməkdir:
– \( r \) = +1: Mükəmməl müsbət münasibət.
– \( r \) = -1: Tam mənfi əlaqə.
– \( 0 < r < +1 \): Zəifdən güclüyə doğru müsbət əlaqə. - \( -1 < r < 0 \): Zəifdən güclüyə doğru mənfi əlaqə. - \( r \) = 0: Dəyişənlər arasında xətti əlaqə yoxdur. Ümumiyyətlə, \( r \) dəyəri əlaqənin gücü meyarları ilə də əlaqələndirilir, məsələn: - \( 0.00 - 0.19 \): Çox aşağı korrelyasiya. - \( 0.20 - 0.39 \): Aşağı korrelyasiya. - \( 0.40 - 0.59 \): Orta korrelyasiya. - \( 0.60 - 0.79 \): Güclü korrelyasiya. - \( 0.80 - 1.00 \): Çox güclü korrelyasiya. Lakin bu meyarlar standart deyil və istifadə olunan elm kontekstinə və sahəsinə görə dəyişə bilər.
Müxtəlif Sahələrdə Tətbiqlər Pearson Korrelyasiyasından müxtəlif sahələrdə geniş istifadə olunur. Məsələn, psixologiyada şəxsiyyətin iki aspekti arasındakı əlaqəni ölçmək üçün; iqtisadiyyatda gəlir və istehlak kimi iki iqtisadi dəyişən arasındakı əlaqəni qiymətləndirmək üçün; biologiyada iki bioloji xüsusiyyət arasındakı əlaqəni araşdırmaq üçün. Məsələn, bir tədqiqatçı stress və yuxu keyfiyyəti arasında əlaqənin olub olmadığını müəyyən etmək istəyə bilər. Bir sıra fərdlərdən stress səviyyələri və yuxu keyfiyyəti haqqında məlumat toplayaraq və Pearson Korrelyasiyasından istifadə edərək tədqiqatçı bu iki dəyişən arasında statistik cəhətdən əhəmiyyətli bir əlaqənin olub olmadığını müəyyən edə bilər. Məhdudiyyətlər və Mülahizələr Pearson Korrelyasiyasının güclü bir vasitə olmasına baxmayaraq, bir neçə məhdudiyyət nəzərə alınmalıdır: 1. Xəttilik Fərziyyəsi: Pearson yalnız xətti əlaqələr üçün uyğundur. Dəyişənlər arasındakı əlaqə xətti deyilsə, Pearson korrelyasiya əmsalı ilə yaxşı təmsil olunmayacaq. Belə hallarda digər korrelyasiya metodları və ya qeyri-xətti təhlil daha uyğun ola bilər. 2. Kənarlara həssaslıq: Ekstremal dəyərlər və ya kənar dəyərlər korrelyasiya əmsalı dəyərinə əhəmiyyətli dərəcədə təsir göstərə bilər. Buna görə də, məlumatların təhlilində kənarlaşmaların aşkarlanması və idarə olunması çox vacibdir.
3. Səbəbiyyəti nümayiş etdirmir: Korrelyasiya səbəbiyyətlə eyni deyil. İki dəyişənin korrelyasiya olunması, bir dəyişənin digərində dəyişikliklərə səbəb olması demək deyil. Buna görə də, korrelyasiya nəticələri diqqətlə təhlil edilməlidir və səbəbiyyət əlaqəsini müəyyən etmək üçün əlavə tədqiqat tələb oluna bilər. Pearson Korrelyasiyasına alternativlər Pearson Korrelyasiyasından başqa, şərtlərdən və məlumatların növündən asılı olaraq istifadə edilə bilən bir neçə başqa korrelyasiya metodu mövcuddur: - Spearman Korrelyasiyası: Sıra məlumatları və ya normallıq və xəttilik fərziyyələrinə cavab verməyən məlumatlar üçün istifadə olunur. Spearman Korrelyasiyası iki dəyişən arasındakı monoton əlaqənin gücünü və istiqamətini ölçür. - Kendall Korrelyasiyası: Həmçinin sıra məlumatları və ya qeyri-normal məlumatlar üçün. İki məlumat sırası arasında uyğunluq dərəcəsini hesablayır. Nəticə Məhsul Moment Korrelyasiyası və ya Pearson Korrelyasiyası, tədqiqatçılara iki ədədi dəyişən arasındakı xətti əlaqəni anlamağa imkan verən məlumatların təhlilində vacib bir vasitədir. Korrelyasiya əmsalının hesablanması və təfsiri dəyişənlər arasındakı əlaqənin gücü və istiqaməti haqqında dəyərli məlumatlar verir. Lakin, yadda saxlamaq vacibdir ki, korrelyasiya səbəb-nəticə əlaqəsini nəzərdə tutmur və təhlilin nəticələrinə ümumi kontekstdə baxılmalıdır. Pearson Korrelyasiyasından ağıllı şəkildə istifadə etməklə tədqiqatçılar öyrəndikləri məlumatlardan daha dəqiq və müvafiq ümumiləşdirmələr apara bilərlər.
