Exemples de preguntes i discussió sobre l'anàlisi de correlació
L'anàlisi de correlació és un mètode estadístic que s'utilitza per determinar el grau de relació entre dues variables. Aquesta anàlisi s'utilitza amb freqüència en diverses disciplines, com ara l'economia, la psicologia, la medicina i la sociologia, per entendre com de relacionades estan dues variables. En aquest article, tractarem diversos exemples de problemes i discussions per ajudar a entendre el concepte d'anàlisi de correlació.
Comprensió de l'anàlisi de correlació
L'anàlisi de correlació s'utilitza per mesurar la força i la direcció de la relació entre dues variables numèriques. Aquest valor de correlació s'expressa normalment mitjançant un coeficient de correlació, que pot oscil·lar entre -1 i 1. Aquests valors es poden interpretar de la següent manera:
– +1: Correlació positiva perfecta. Ambdues variables es mouen en la mateixa direcció.
– 0: Sense correlació. Les dues variables no tenen una relació lineal clara.
– -1: Correlació negativa perfecta. Ambdues variables es mouen en direccions oposades.
El coeficient de correlació més utilitzat és la correlació de Pearson. Tanmateix, també hi ha altres mètodes de correlació, com ara Spearman i Kendall, que són més adequats per a dades ordinals o no lineals.
Passos de l'anàlisi de correlació
1. Recopilació de dades: Recopileu dades de les dues variables que s'analitzaran.
2. Visualització de dades: creeu un diagrama de dispersió per veure el patró de relació entre les dues variables.
3. Càlcul del coeficient de correlació: calcula el coeficient de correlació de Pearson, Spearman o Kendall.
4. Interpretació dels resultats: concloure la força i la direcció de la relació basant-se en el valor del coeficient de correlació.
5. Prova de significació: determinar si la correlació trobada és estadísticament significativa.
Exemples de preguntes i debat
Pregunta 1: Correlació de Pearson
Les dades sobre l'alçada (cm) i el pes (kg) de 5 persones són les següents:
| Persona | Alçada (cm) | Pes (kg) |
|——-|————-|—————|
| A | 160 | 55 |
| B | 165 | 60 |
| C | 170 | 65 |
| D | 175 | 70 |
| E | 180 | 75 |
Calcula el coeficient de correlació de Pearson per a les dades.
Discussió:
1. Càlcul de la mitjana:
– Alçada mitjana (X̄) = (160 + 165 + 170 + 175 + 180) / 5 = 170
– Pes mitjà (Ȳ) = (55 + 60 + 65 + 70 + 75) / 5 = 65
2. Càlcul de la desviació de la mitjana:
– Desviació alta: (160 – 170), (165 – 170), (170 – 170), (175 – 170), (180 – 170)
– Desviació greu: (55 – 65), (60 – 65), (65 – 65), (70 – 65), (75 – 65)
3. Càlcul del producte de desviació:
– (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
Total = 100 + 25 + 0 + 25 + 100 = 250
4. Càlcul del quadrat de la desviació:
– Alçada: (160-170)², (165-170)², (170-170)², (175-170)², (180-170)²
– Pes: (55-65)², (60-65)², (65-65)², (70-65)², (75-65)²
Per a l'alçada:
– (160-170)² = 100
– (165-170)² = 25
– (170-170)² = 0
– (175-170)² = 25
– (180-170)² = 100
Total = 100 + 25 + 0 + 25 + 100 = 250
Per al pes:
– (55-65)² = 100
– (60-65)² = 25
– (65-65)² = 0
– (70-65)² = 25
– (75-65)² = 100
Total = 100 + 25 + 0 + 25 + 100 = 250
5. Càlcul del coeficient de correlació de Pearson:
\[
r = \frac{\sum ((X – X̄)(Y – Ȳ))}{\sqrt{\sum (X – X̄)² \sum (Y – Ȳ)²}}
\]
\[
r = \frac{250}{\sqrt{250 × 250}} = \frac{250}{250} = 1
\]
Interpretació: Un valor del coeficient de correlació de Pearson d'1 indica una relació positiva perfecta entre l'alçada i el pes.
Pregunta 2: Correlació de Spearman
Donades les dades de classificació de dues variables de la següent manera:
| Persona | Variable X | Variable Y |
|——-|————|————|
| A | 1 | 3 |
| B | 2 | 1 |
| C | 3 | 4 |
| D | 4 | 2 |
| E | 5 | 5 |
Calcula el coeficient de correlació de Spearman a partir de les dades.
Discussió:
1. Càlcul de la diferència de classificació (d):
– Per a les classificacions X i Y:
– A: 1 – 3 = -2
– B: 2 – 1 = 1
– C: 3 – 4 = -1
– D: 4 – 2 = 2
– E: 5 – 5 = 0
2. Càlcul del quadrat de la diferència en la classificació (d²):
– (-2)² = 4
– (1)² = 1
– (-1)² = 1
– (2)² = 4
– (0)² = 0
Total (Σd²) = 4 + 1 + 1 + 4 + 0 = 10
3. Càlcul del coeficient de correlació de Spearman:
\[
r_s = 1 – \frac{6 \sum d^2}{n(n^2 – 1)}
\]
\[
r_s = 1 – \frac{6 × 10}{5(5^2 – 1)} = 1 – \frac{60}{120} = 1 – 0.5 = 0.5
\]
Interpretació: El valor del coeficient de correlació de Spearman de 0.5 indica una relació positiva moderada entre les variables X i Y.
Conclusió
A partir dels exemples anteriors, veiem com es pot utilitzar l'anàlisi de correlació per determinar la força i la direcció de la relació entre dues variables. El coeficient de correlació de Pearson s'utilitza per a dades numèriques amb una relació lineal, mentre que el coeficient de correlació de Spearman s'utilitza per a dades ordinals o no lineals. En comprendre i dominar aquestes tècniques, podem analitzar millor les dades i fer inferències més precises en diversos camps d'estudi.
