تعیین ضریب همبستگی

تعیین ضریب همبستگی: مقدمه، روش‌ها و کاربردها

ضریب همبستگی یک معیار آماری است که شدت رابطه بین دو متغیر در یک مجموعه داده را تعیین می‌کند. همبستگی‌ها از -1 تا 1 متغیر هستند. مقدار ضریب نزدیک به 1 یا -1 نشان دهنده رابطه قوی بین دو متغیر است. مقدار ضریب نزدیک به 0 نشان دهنده عدم وجود رابطه قوی بین دو متغیر است. این مقاله به بررسی ضریب همبستگی، روش‌های محاسبه آن، تفسیر آن و کاربردهای آن در زمینه‌های مختلف خواهد پرداخت.

مقدمه‌ای بر ضریب همبستگی

ضریب همبستگی، یک نمای عددی از میزان ارتباط دو متغیر به ما می‌دهد. ضرایب همبستگی بر اساس جهت رابطه به دو نوع اصلی تقسیم می‌شوند:

۱. ضریب همبستگی مثبت: نشان می‌دهد که وقتی یک متغیر افزایش می‌یابد، متغیر دیگر نیز افزایش می‌یابد.
۲. ضریب همبستگی منفی: نشان می‌دهد که وقتی یک متغیر افزایش می‌یابد، متغیر دیگر کاهش می‌یابد.

رابطه بین دو متغیر را می‌توان بر اساس شدت رابطه به سه نوع تقسیم کرد:

۱. همبستگی قوی: ضریب نزدیک به ۱- یا ۱ است.
۲. همبستگی متوسط: ضریب بین -۰.۵ تا -۱ یا ۰.۵ تا ۱ است.
۳. همبستگی ضعیف: ضریب نزدیک به ۰ است.

روش محاسبه ضریب همبستگی

چندین روش رایج برای محاسبه ضریب همبستگی استفاده می‌شود، از جمله همبستگی پیرسون، همبستگی اسپیرمن و همبستگی کندال. بیایید هر یک از این روش‌ها را با جزئیات بیشتری مورد بحث قرار دهیم.

۱. همبستگی پیرسون
ضریب همبستگی پیرسون اغلب زمانی استفاده می‌شود که هر دو متغیر پیوسته و دارای توزیع نرمال باشند. فرمول ضریب همبستگی پیرسون به صورت زیر است:

\[ r = \frac {n(\سیگما xy) – (\سیگما x)(\سیگما y)}{ \sqrt{ [n \سیگما x^2 – (\سیگما x)^2] [n \سیگما y^2 – (\سیگما y)^2] } } \]

کجا:
– \(r \) = ضریب همبستگی،
- \( n \) = تعداد جفت داده‌ها،
– \( \سیگما xy \) = مجموع حاصلضرب جفت داده‌های \(x \) و \(y \)،
– \( \سیگما x \) = مجموع مقادیر \(x \)،
– \( \سیگما y \) = مجموع مقادیر \(y \)،
– \( \سیگما x^2 \) = مجموع مربعات \(x \)،
– \( \سیگما y^2 \) = مجموع مربعات \(y \).

۲. همبستگی رتبه‌ای اسپیرمن
ضریب همبستگی اسپیرمن برای داده‌های ترتیبی یا زمانی که فرض نرمال بودن برقرار نباشد، استفاده می‌شود. همبستگی اسپیرمن بر اساس رتبه‌بندی مقادیر داده‌ها است، نه مقادیر واقعی آنها. فرمول ضریب همبستگی اسپیرمن به صورت زیر است:

\[ \rho = 1 – \frac {6\Sigma d_i^2}{n(n^2-1)} \]

کجا:
– \( \rho \) = ضریب همبستگی اسپیرمن،
- \(d_i \) = اختلاف بین رتبه‌بندی جفت‌های داده \(x \) و \(y \)،
– \( n \) = تعداد جفت داده‌ها.

۳. همبستگی تاو کندال
ضریب همبستگی کندال، شدت رابطه بین دو متغیر ترتیبی را اندازه‌گیری می‌کند. برخلاف ضریب همبستگی اسپیرمن، ضریب همبستگی کندال بیشتر بر تعداد جفت‌های هماهنگ و ناهماهنگ تمرکز دارد. فرمول ضریب همبستگی کندال به صورت زیر است:

\[ \tau = \frac{ (C – D)} { \sqrt{(C + D + T) (C + D + U) } } \]

کجا:
– \( \tau \) = ضریب همبستگی کندال،
– \(C \) = تعداد جفت‌های هماهنگ،
– \(D \) = تعداد جفت‌های ناهماهنگ،
- \(T \) = تعداد جفت‌های سری در متغیر \(x \)،
– \(U \) = تعداد جفت‌های سری در متغیر \(y \).

تفسیر ضریب همبستگی

تفسیر ضریب همبستگی به مقدار ضریب به دست آمده بستگی دارد:

– ضریب +۱: رابطه مثبت کامل.
– ضریب ۰.۷ تا ۰.۹: رابطه مثبت قوی.
– ضریب ۰.۴ تا ۰.۶: رابطه مثبت متوسط.
– ضریب ۰.۱ تا ۰.۳: رابطه مثبت ضعیف.
ضریب ۰: هیچ رابطه‌ای وجود ندارد.
– ضریب -۰.۱ تا -۰.۳: رابطه منفی ضعیف.
– ضریب -۰.۴ تا -۰.۶: رابطه منفی متوسط.
– ضریب -۰.۷ تا -۰.۹: رابطه منفی قوی.
– ضریب -۱: رابطه منفی کامل.

کاربرد ضریب همبستگی

ضریب همبستگی کاربردهای گسترده‌ای در زمینه‌های مختلف از جمله اقتصاد، علوم اجتماعی، بهداشت، آموزش و موارد دیگر دارد. در اینجا چند مثال آورده شده است:

۱. اقتصاد: تعیین رابطه بین تورم و بیکاری، یا بین هزینه‌های مصرف‌کننده و درآمد.
۲. علوم اجتماعی: تعیین رابطه بین تحصیلات و درآمد، یا بین رسانه‌های اجتماعی و رفاه روانی.
۳. سلامت: مقایسه رابطه بین عادات سیگار کشیدن و موارد سرطان ریه، یا بین سبک زندگی فعال و سلامت قلب.
۴. آموزش: بررسی رابطه بین زمان مطالعه و نتایج امتحانات، یا بین اندازه کلاس و پیشرفت تحصیلی دانش‌آموزان.

مثال‌های عملی با استفاده از مجموعه داده‌ها

فرض کنید یک مجموعه داده داریم که شامل نمرات آزمون ریاضی و زمان مطالعه 10 دانش‌آموز به ساعت به شرح زیر است:
""
ساعات مطالعه دانش‌آموزان، نمرات ریاضی
۹ ۷ ۹۱
۹ ۷ ۹۱
۹ ۷ ۹۱
۹ ۷ ۹۱
۹ ۷ ۹۱
۹ ۷ ۹۱
۹ ۷ ۹۱
۹ ۷ ۹۱
۹ ۷ ۹۱
۱۰ ۵ ۸۷
""
می‌توانیم ضریب همبستگی پیرسون بین ساعات مطالعه و نمره ریاضی را محاسبه کنیم. با استفاده از فرمول پیرسون، ابتدا \( \Sigma x \)، \( \Sigma y \)، \( \Sigma xy \)، \( \Sigma x^2 \) و \( \Sigma y^2 \) را محاسبه می‌کنیم، سپس این مقادیر را در فرمول جایگذاری می‌کنیم تا مقدار \(r \) را بدست آوریم.

نتیجه گیری

ضریب همبستگی ابزاری قدرتمند در تحلیل داده‌ها برای تعیین قدرت و جهت رابطه بین دو متغیر است. درک مفهوم، روش‌های محاسبه و تفسیر ضریب همبستگی برای تحلیل مؤثر داده‌ها ضروری است. با درک صحیح، می‌توانیم همبستگی بین متغیرها را در زمینه‌های مختلف بهتر تعیین کنیم و تصمیمات آگاهانه‌تر و مبتنی بر داده بگیریم.