Примерни въпроси и дискусия на корелационния анализ
Корелационният анализ е статистически метод, използван за определяне на степента на връзка между две променливи. Този анализ се използва често в различни дисциплини, включително икономика, психология, медицина и социология, за да се разбере колко тясно са свързани две променливи. В тази статия ще обсъдим няколко примерни задачи и дискусии, които ще помогнат за разбирането на концепцията за корелационен анализ.
Разбиране на корелационния анализ
Корелационният анализ се използва за измерване на силата и посоката на връзката между две числови променливи. Тази корелационна стойност обикновено се изразява с помощта на коефициент на корелация, който може да варира от -1 до 1. Тези стойности могат да се интерпретират по следния начин:
– +1: Перфектна положителна корелация. И двете променливи се движат в една и съща посока.
– 0: Няма корелация. Двете променливи нямат ясна линейна връзка.
– -1: Перфектна отрицателна корелация. И двете променливи се движат в противоположни посоки.
Най-често използваният коефициент на корелация е корелацията на Пиърсън. Съществуват обаче и други методи за корелация, като например този на Спиърман и Кендъл, които са по-подходящи за ординални или нелинейни данни.
Стъпки на корелационния анализ
1. Събиране на данни: Съберете данни за двете променливи, които ще бъдат анализирани.
2. Визуализация на данни: Създайте точкова диаграма, за да видите модела на връзката между двете променливи.
3. Изчисляване на коефициента на корелация: Изчислете коефициента на корелация на Пиърсън, Спирман или Кендъл.
4. Интерпретация на резултатите: Направете заключение за силата и посоката на връзката въз основа на стойността на коефициента на корелация.
5. Тест за значимост: Определете дали установената корелация е статистически значима.
Контох Соал и Пембахасан
Въпрос 1: Корелация на Пиърсън
Дадени са данни за височина (см) и тегло (кг) на 5 души, както следва:
| Човек | Височина (см) | Тегло (кг) |
|——-|————-|————|
| А | 160 | 55 |
| Б | 165 | 60 |
| С | 170 | 65 |
| Д | 175 | 70 |
| Изток | 180 | 75 |
Изчислете коефициента на корелация на Пиърсън за данните.
Дискусия:
1. Изчисляване на средната стойност:
– Средна височина (X̄) = (160 + 165 + 170 + 175 + 180) / 5 = 170
– Средно тегло (Ȳ) = (55 + 60 + 65 + 70 + 75) / 5 = 65
2. Изчисляване на отклонение от средната стойност:
– Голямо отклонение: (160 – 170), (165 – 170), (170 – 170), (175 – 170), (180 – 170)
– Сериозно отклонение: (55 – 65), (60 – 65), (65 – 65), (70 – 65), (75 – 65)
3. Изчисляване на произведението на отклоненията:
– (160-170)(55-65) = 10 10 = 100
– (165-170)(60-65) = 5 5 = 25
– (170-170)(65-65) = 0 0 = 0
– (175-170)(70-65) = 5 5 = 25
– (180-170)(75-65) = 10 10 = 100
Общо = 100 + 25 + 0 + 25 + 100 = 250
4. Изчисляване на квадрата на отклонението:
– Височина: (160-170)², (165-170)², (170-170)², (175-170)², (180-170)²
– Тегло: (55-65)², (60-65)², (65-65)², (70-65)², (75-65)²
За височина:
– (160-170)² = 100
– (165-170)² = 25
– (170-170)² = 0
– (175-170)² = 25
– (180-170)² = 100
Общо = 100 + 25 + 0 + 25 + 100 = 250
За тегло:
– (55-65)² = 100
– (60-65)² = 25
– (65-65)² = 0
– (70-65)² = 25
– (75-65)² = 100
Общо = 100 + 25 + 0 + 25 + 100 = 250
5. Изчисляване на коефициента на корелация на Пиърсън:
\[
r = \frac{\sum ((X – X̄)(Y – Ȳ))}{\sqrt{\sum (X – X̄)² \sum (Y – Ȳ)²}}
\]
\[
r = \frac{250}{\sqrt{250 \times 250}} = \frac{250}{250} = 1
\]
Тълкуване: Стойност на коефициента на корелация на Пиърсън от 1 показва перфектна положителна връзка между ръст и тегло.
Въпрос 2: Корелация на Спирман
Като се имат предвид данните за класиране на две променливи, както следва:
| Лице | Променлива X | Променлива Y |
|——-|————|————|
| А | 1 | 3 |
| Б | 2 | 1 |
| C | 3 | 4 |
| Д | 4 | 2 |
| Е | 5 | 5 |
Изчислете коефициента на корелация на Спирман въз основа на данните.
Дискусия:
1. Изчисляване на разликата в класирането (d):
– За класиране X и Y:
– A: 1 – 3 = -2
– Б: 2 – 1 = 1
– C: 3 – 4 = -1
– Д: 4 – 2 = 2
– Е: 5 – 5 = 0
2. Изчисляване на квадрата на разликата в класирането (d²):
– (-2)² = 4
– (1)² = 1
– (-1)² = 1
– (2)² = 4
– (0)² = 0
Общо (Σd²) = 4 + 1 + 1 + 4 + 0 = 10
3. Изчисляване на коефициента на корелация на Спирман:
\[
r_s = 1 – \frac{6 \sum d^2}{n(n^2 – 1)}
\]
\[
r_s = 1 – \frac{6 \times 10}{5(5^2 – 1)} = 1 – \frac{60}{120} = 1 – 0.5 = 0.5
\]
Интерпретация: Стойността на коефициента на корелация на Спиърман от 0.5 показва умерена положителна връзка между променливите X и Y.
Заключение
От горните примери виждаме как корелационният анализ може да се използва за определяне на силата и посоката на връзката между две променливи. Коефициентът на корелация на Пиърсън се използва за числови данни с линейна връзка, докато коефициентът на корелация на Спирман се използва за ординални или нелинейни данни. Чрез разбирането и овладяването на тези техники можем по-добре да анализираме данните и да правим по-точни заключения в различни области на изследване.
