Ի՞նչ է կորելյացիայի վերլուծությունը։
Կոռելյացիայի վերլուծությունը վիճակագրական մեթոդ է, որն օգտագործվում է երկու քանակական փոփոխականների միջև գծային կապի ուժգնությունն ու ուղղությունը գնահատելու համար: Այս վերլուծությունը հիմնարար է տարբեր ոլորտներում՝ սկսած ֆինանսներից և տնտեսագիտությունից մինչև ճարտարագիտություն և հասարակական գիտություններ, և պատկերացում է տալիս այն մասին, թե ինչպես կարող են մեկ փոփոխականի փոփոխությունները կապված լինել մյուսի փոփոխությունների հետ:
Հարաբերակցության հիմունքներ
Իր էությամբ, կորելյացիան չափում է, թե ինչպես են երկու փոփոխականները շարժվում միասին։ Եթե երկու փոփոխականներ հակված են միաժամանակ աճել կամ նվազել, ապա դրանք ունեն դրական կորելյացիա։ Եվ հակառակը, եթե մեկ փոփոխականը հակված է աճել, երբ մյուսը նվազում է, ապա դրանք ունեն բացասական կորելյացիա։ Եթե դրանց շարժման մեջ չկա որևէ նկատելի օրինաչափություն, ապա երկու փոփոխականները կապ չունեն։
Կոռելյացիայի չափում
Կոռելյացիոն վերլուծության մեջ օգտագործվող ամենատարածված վիճակագրությունը Պիրսոնի կոռելյացիոն գործակիցն է, որը նշանակվում է որպես \(r \): Այս գործակիցը տատանվում է -1-ից մինչև 1, որտեղ՝
– \( r = 1 \): Կատարյալ դրական գծային կապ։
– \( r = -1 \): Կատարյալ բացասական գծային կապ։
– \( r = 0 \): Գծային կապ չկա։
Այլ կորելյացիայի չափանիշներից են Սփիրմանի կարգի կորելյացիան և Քենդալի տաու արժեքը, որոնք ավելի կայուն են ոչ գծային կապերի և արտառոց արժեքների նկատմամբ։
Փիրսոնի r-ի հաշվարկը
Պիրսոնի կոռելյացիայի գործակիցը հաշվարկվում է հետևյալ բանաձևով.
\[ r = \frac{\text{cov}(X, Y)}{\sigma_X \sigma_Y} \]
որտեղ
– \(\text{cov}(X, Y)\)-ը X և Y փոփոխականների միջև կովարիացիան է։
– \(\sigma_X\)-ը և \(\sigma_Y\)-ը համապատասխանաբար X-ի և Y-ի ստանդարտ շեղումներն են։
Այս բանաձևը, ըստ էության, ստանդարտացնում է կովարիացիան փոփոխականների ստանդարտ շեղումների արտադրյալով՝ ապահովելով, որ արդյունքը չափազուրկ լինի և սահմանափակված լինի -1-ի և 1-ի միջև։
Կոռելյացիայի մեկնաբանություն
Կոռելյացիոն վերլուծության արդյունքները մեկնաբանելիս կարևոր է հասկանալ \(r\)-ի արժեքը։ Ընդհանուր առմամբ՝
– 0.0 – 0.19: Շատ թույլից մինչև աննշան կորելյացիա։
– 0.2 – 0.39: Թույլ կորելյացիա։
– 0.4 – 0.59: Միջին կորելյացիա։
– 0.6 – 0.79: Ուժեղ կորելյացիա։
– 0.8 – 1.0: Շատ ուժեղ կորելյացիա։
Կարևոր է նաև նշել, որ կոռելյացիան չի ենթադրում պատճառահետևանքային կապ։ Երկու փոփոխականների միջև բարձր կոռելյացիան չի նշանակում, որ մեկ փոփոխականը ստիպում է մյուսին փոփոխվել։
Կոռելյացիայի վերլուծության կիրառությունները
1. Ֆինանսներ
Ֆինանսների ոլորտում կորելյացիոն վերլուծությունը լայնորեն կիրառվում է բաժնետոմսերի, պարտատոմսերի և այլ ներդրումային միջոցների միջև փոխհարաբերությունները գնահատելու համար: Օրինակ, տարբեր ակտիվների միջև փոխհարաբերությունների հասկացումը կարող է օգնել պորտֆելի դիվերսիֆիկացմանը, քանի որ չկապակցված կամ բացասական փոխհարաբերություն ունեցող ակտիվների համադրությունը կարող է նվազեցնել ռիսկը:
2. Տնտեսագիտություն
Տնտեսագետները կոռելյացիոն վերլուծություն են օգտագործում տնտեսական ցուցանիշների միջև եղած կապերը ուսումնասիրելու համար: Օրինակ, գործազրկության մակարդակի և ՀՆԱ-ի աճի միջև եղած կապը կարելի է ուսումնասիրել՝ ավելի լայն տնտեսական միջավայրը հասկանալու համար:
3. Առողջապահական գիտություններ
Առողջապահության գիտություններում փոխհարաբերությունը կարող է օգնել բացահայտել կենսակերպի գործոնների և առողջության արդյունքների միջև հնարավոր կապերը: Օրինակ, հետազոտողները կարող են ուսումնասիրել ֆիզիկական ակտիվության մակարդակի և սրտի հիվանդությունների հաճախականության միջև փոխհարաբերությունը:
4. Հասարակական գիտություններ
Սոցիոլոգներն ու հոգեբանները հաճախ օգտագործում են կորելյացիան՝ ուսումնասիրելու համար այնպիսի փոփոխականների միջև եղած կապերը, ինչպիսիք են եկամտի մակարդակը և կրթական մակարդակը, կամ սթրեսի մակարդակը և աշխատանքային կատարողականը։
Կոռելյացիայի վերլուծության սահմանափակումները
Չնայած լայնորեն կիրառմանը, կորելյացիոն վերլուծությունն ունի մի շարք սահմանափակումներ.
1. Համակցվածությունը չի նշանակում պատճառահետևանքային կապ։
Չնայած երկու փոփոխականներ կարող են փոխկապակցված լինել, դա չի նշանակում, որ մեկը մյուսի պատճառն է։ Արտաքին գործոնները կամ երրորդ փոփոխականները (շփոթեցնող փոփոխականներ) կարող են ազդել երկու փոփոխականների վրա՝ ստեղծելով կեղծ փոխկապակցվածություն։
2. Գծայնություն։
Փիրսոնի կոռելյացիան չափում է միայն գծային կապերը։ Եթե երկու փոփոխականների միջև կապը ոչ գծային է, կոռելյացիայի գործակիցը կարող է մոլորեցնող լինել։
3. Զգայունություն արտառոց ցուցանիշների նկատմամբ.
Կոռելյացիայի գործակիցները կարող են խիստ զգայուն լինել արտառոց արժեքների նկատմամբ։ Մի քանի ծայրահեղ արժեքներ կարող են աղավաղել կոռելյացիան՝ այն ավելի ուժեղ կամ թույլ թվացնելով, քան իրականում է։
4. Միատարրություն։
Կոռելյացիայի գործակիցը ենթադրում է փոփոխականության միատարրություն փոփոխականների ողջ միջակայքում։ Եթե այս ենթադրությունը խախտվի, դա կարող է հանգեցնել սխալ եզրակացությունների։
Առաջադեմ համակցման տեխնիկաներ
Այս սահմանափակումներից մի քանիսը հաղթահարելու համար կարող են կիրառվել տարբեր առաջադեմ մեթոդներ.
– Մասնակի համահարաբերակցություն. Այս մեթոդը չափում է երկու փոփոխականների միջև համահարաբերակցությունը՝ միաժամանակ վերահսկելով մեկ կամ մի քանի լրացուցիչ փոփոխականների ազդեցությունը։
– Կանոնական համադրություն. Սա օգտագործվում է փոփոխականների երկու հավաքածուների միջև փոխհարաբերությունը հասկանալու համար, այլ ոչ թե միայն երկու առանձին փոփոխականների։
– Բազմաչափ վերլուծություն. բազմակի ռեգրեսիայի նման տեխնիկաները կարող են օգնել միաժամանակ ուսումնասիրել բազմաթիվ փոփոխականների միջև եղած կապերը։
Կոռելյացիայի վերլուծության իրականացման քայլերը
1. Տվյալների հավաքագրում.
Սկսեք համապատասխան տվյալների հավաքագրմամբ՝ համոզվելով, որ դրանք քանակական են և ընդգրկում են վերլուծության շրջանակը։
2. Տեսողական վերլուծություն.
Տվյալների ցրման գրաֆիկների միջոցով գծապատկեր կազմելը կարող է տեսողականորեն պատկերացում տալ կապի մասին՝ վիճակագրական թեստեր անցկացնելուց առաջ։
3. Հաշվարկ։
Կոռելյացիայի գործակիցը որոշելու համար օգտագործեք վիճակագրական ծրագիր կամ ձեռքով հաշվարկներ։
4. Մեկնաբանություն.
Վերլուծեք կոռելյացիայի մեծությունը և ուղղությունը՝ հաշվի առնելով համատեքստը և հնարավոր արտաքին գործոնները։
5. Հաստատում:
Հուսալիությունն ապահովելու համար ստուգեք արդյունքները լրացուցիչ տվյալներով կամ այլընտրանքային մեթոդներով։
Եզրափակում
Կոռելյացիոն վերլուծությունը հզոր գործիք է վիճակագրի զինանոցում, որը արժեքավոր պատկերացում է տալիս փոփոխականների միջև եղած փոխհարաբերությունների մասին: Այնուամենայնիվ, կարևոր է հասկանալ դրա սահմանափակումները և օգտագործել այն այլ մեթոդների հետ համատեղ՝ ճշգրիտ և իմաստալից եզրակացություններ անելու համար: Ճիշտ կիրառման դեպքում կոռելյացիոն վերլուծությունը կարող է լուսավորել այն օրինաչափությունները և կապերը, որոնք այլապես կարող էին թաքնված մնալ՝ առաջ մղելով գիտելիքները բազմաթիվ ոլորտներում: