តើការវិភាគទំនាក់ទំនងគឺជាអ្វី

តើការវិភាគទំនាក់ទំនងជាអ្វី?

ការវិភាគសហសម្ព័ន្ធភាព គឺជាបច្ចេកទេសស្ថិតិមួយដែលប្រើដើម្បីវាស់ស្ទង់ទំនាក់ទំនងរវាងអថេរពីរ ឬច្រើន។ នៅក្នុងបរិបទនៃទិន្នន័យ និងការស្រាវជ្រាវ អ្នកស្រាវជ្រាវច្រើនតែចាប់អារម្មណ៍ក្នុងការយល់ដឹងអំពីទំនាក់ទំនងរវាងអថេរដែលពួកគេកំពុងសិក្សា។ ឧទាហរណ៍ អ្នកស្រាវជ្រាវសេដ្ឋកិច្ចអាចចង់យល់ពីទំនាក់ទំនងរវាងប្រាក់ចំណូល និងការចំណាយរបស់អ្នកប្រើប្រាស់ ឬអ្នកចិត្តសាស្រ្តអាចចង់ពិនិត្យមើលទំនាក់ទំនងរវាងកម្រិតស្ត្រេស និងផលិតភាពការងារ។

គោលគំនិតជាមូលដ្ឋាននៃការវិភាគទំនាក់ទំនង

សហសម្ព័ន្ធវាស់ស្ទង់ទិសដៅ និងកម្លាំងនៃទំនាក់ទំនងលីនេអ៊ែររវាងអថេរពីរ។ មានទំនាក់ទំនងសហសម្ព័ន្ធសំខាន់ៗបីប្រភេទដែលអាចធ្វើទៅបាន៖

១. សហសម្ព័ន្ធវិជ្ជមាន៖ នៅពេលដែលអថេរមួយកើនឡើង អថេរមួយទៀតក៏មានទំនោរកើនឡើងផងដែរ។
២. សហសម្ព័ន្ធអវិជ្ជមាន៖ នៅពេលដែលអថេរមួយកើនឡើង អថេរមួយទៀតមានទំនោរថយចុះ។
៣. គ្មាន​ទំនាក់ទំនង​គ្នា៖ មិនមាន​លំនាំ​ច្បាស់លាស់​នៅក្នុង​ទំនាក់ទំនង​រវាង​អថេរ​ទាំងពីរ​នោះទេ។

តាមគណិតវិទ្យា កម្លាំង និងទិសដៅនៃសហសម្ព័ន្ធត្រូវបានបង្ហាញជាមេគុណសហសម្ព័ន្ធ ដែលអាចមានចាប់ពី -1 ដល់ 1។ មេគុណសហសម្ព័ន្ធវិជ្ជមានដែលជិតនឹង 1 បង្ហាញពីទំនាក់ទំនងវិជ្ជមានខ្លាំង ខណៈដែលមេគុណអវិជ្ជមានដែលជិតនឹង -1 បង្ហាញពីទំនាក់ទំនងអវិជ្ជមានខ្លាំង។ តម្លៃ 0 បង្ហាញពីគ្មានទំនាក់ទំនងលីនេអ៊ែរ។

ប្រភេទនៃមេគុណសហសម្ព័ន្ធ

មានមេគុណសហសម្ព័ន្ធជាច្រើនប្រភេទដែលត្រូវបានគេប្រើជាទូទៅបំផុត ដែលប្រភេទនីមួយៗមានការប្រើប្រាស់រៀងៗខ្លួនអាស្រ័យលើប្រភេទ និងលក្ខណៈនៃទិន្នន័យដែលកំពុងត្រូវបានវិភាគ។ ប្រភេទមេគុណសហសម្ព័ន្ធទូទៅបំផុតមួយចំនួនរួមមាន៖

១. មេគុណសហសម្ព័ន្ធ Pearson

មេគុណសហសម្ព័ន្ធ Pearson គឺជាមេគុណដែលប្រើជាទូទៅបំផុត ហើយវាស់ស្ទង់ទំនាក់ទំនងលីនេអ៊ែររវាងអថេរបន្តពីរ។ រូបមន្តគឺ៖

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

កន្លែងណា៖
–\(n\) គឺជាចំនួនគូទិន្នន័យ
–\( \sum xy\) គឺជាផលបូកនៃការគុណរវាងគូទិន្នន័យ
- \( \sum x \) និង \( \sum y \) គឺជាផលបូកនៃអថេរនីមួយៗ
–\( \sum x^2\) និង \( \sum y^2\) គឺជាផលបូកនៃការ៉េនៃអថេរនីមួយៗ។

២. មេគុណសហសម្ព័ន្ធស្ពាយមែន

មេគុណសហសម្ព័ន្ធ Spearman ត្រូវបានប្រើនៅពេលដែលទិន្នន័យដែលកំពុងត្រូវបានវិភាគមិនមែនជាលីនេអ៊ែរ ឬនៅពេលដែលទិន្នន័យជាលំដាប់ (ទិន្នន័យដែលអាចតម្រៀបបាន)។ Spearman វាស់ស្ទង់ភាពស៊ីសង្វាក់គ្នានៃចំណាត់ថ្នាក់រវាងអថេរពីរ។ វាត្រូវបានគណនាដោយប្រើរូបមន្ត៖

\[ r_s = 1 – \frac{6\sum d^2}{n(n^2 – 1)} \]

កន្លែងណា៖
–\( d\) គឺជាភាពខុសគ្នារវាងចំណាត់ថ្នាក់នៃការសង្កេតពីរ
-\(n\) គឺជាចំនួននៃការសង្កេត។

៣. មេគុណសហសម្ព័ន្ធរបស់ Kendall

មេគុណសហសម្ព័ន្ធរបស់ Kendall គឺជាជម្រើសមួយផ្សេងទៀតសម្រាប់ទិន្នន័យលំដាប់ ហើយវាមានប្រយោជន៍ក្នុងការវាស់ស្ទង់ទំនាក់ទំនងម៉ូណូតូនិចរវាងអថេរពីរ។ រូបមន្តគឺ៖

\[ \tau = \frac{(ចំនួន\, នៃ\, ស្របគ្នា\, គូ) – (ចំនួន\, នៃ\, មិនស្របគ្នា\, គូ)}{n(n-1)/2} \]

ការប្រើប្រាស់ និងការអនុវត្តនៃការវិភាគទំនាក់ទំនង

ការវិភាគសហសម្ព័ន្ធត្រូវបានប្រើប្រាស់ក្នុងវិស័យផ្សេងៗដូចជា សេដ្ឋកិច្ច ចិត្តវិទ្យា សង្គមវិទ្យា ជីវវិទ្យា និងវិស័យជាច្រើនទៀត។ ឧទាហរណ៍មួយចំនួននៃការអនុវត្តជាក់ស្តែងរួមមាន៖

1. អ៊ីកូណូមី

ក្នុងសេដ្ឋកិច្ច ការវិភាគសហសម្ព័ន្ធអាចត្រូវបានប្រើដើម្បីទស្សន៍ទាយពីរបៀបដែលអថេរសេដ្ឋកិច្ចមួយ ដូចជាអតិផរណា ទាក់ទងទៅនឹងអថេរមួយផ្សេងទៀត ដូចជាអត្រាគ្មានការងារធ្វើ ឬកំណើនសេដ្ឋកិច្ច។ ឧទាហរណ៍ សហសម្ព័ន្ធរវាងអត្រាការប្រាក់ និងការវិនិយោគអាជីវកម្ម។

២. ចិត្តវិទ្យា

នៅក្នុងចិត្តវិទ្យា អ្នកស្រាវជ្រាវតែងតែប្រើការវិភាគសហសម្ព័ន្ធដើម្បីយល់ពីទំនាក់ទំនងរវាងអថេរផ្លូវចិត្ត។ ឧទាហរណ៍ ការស្វែងរកទំនាក់ទំនងរវាងកម្រិតស្ត្រេស និងសុភមង្គលរបស់បុគ្គលម្នាក់ៗ ឬរវាងទម្លាប់នៃការគេង និងលទ្ធផលសិក្សា។

3. Pertanian

ក្នុងវិស័យកសិកម្ម ការវិភាគសហសម្ព័ន្ធអាចជួយកសិករ និងអ្នកវិទ្យាសាស្ត្រឱ្យយល់អំពីទំនាក់ទំនងរវាងអថេរដូចជាការប្រើប្រាស់ជី និងទិន្នផលដំណាំ។ នេះជួយក្នុងការធ្វើការសម្រេចចិត្តកាន់តែប្រសើរឡើងអំពីការអនុវត្តកសិកម្ម។

៤. សុខភាព

នៅក្នុងវិទ្យាសាស្ត្រសុខាភិបាល ទំនាក់ទំនងរវាងកត្តាហានិភ័យដូចជាការជក់បារី និងជំងឺសរសៃឈាមបេះដូងត្រូវបានស្វែងយល់ជាញឹកញាប់។ នេះជួយបង្កើតអនុសាសន៍ និងគោលនយោបាយសុខភាពដែលមានមូលដ្ឋានលើភស្តុតាង។

គុណសម្បត្តិ និង​ដែនកំណត់​នៃការវិភាគ​ទំនាក់ទំនង​គ្នា

កល្យាណហាន

១. ភាពសាមញ្ញ៖ ងាយស្រួលយល់ និងអនុវត្ត។
2. ប្រសិទ្ធភាព៖ អាចដំណើរការបានយ៉ាងរហ័សសម្រាប់ទិន្នន័យទំហំធំ។
៣. ការព្យាករណ៍ដំបូង៖ ផ្តល់នូវការយល់ដឹងដំបូងអំពីទំនាក់ទំនងរវាងអថេរដែលអាចត្រូវបានស្វែងយល់បន្ថែម។

ដែនកំណត់

១. មិនឆ្លុះបញ្ចាំងពីទំនាក់ទំនងមូលហេតុ៖ ទំនាក់ទំនងមិនបញ្ជាក់ពីមូលហេតុទេ។ អថេរពីរអាចមានទំនាក់ទំនងគ្នាយ៉ាងសំខាន់ដោយមិនចាំបាច់បង្កឲ្យមានមួយទៀត។
២. ឥទ្ធិពលនៃអថេរដែលលាក់៖ ទំនាក់ទំនងរវាងអថេរពីរអាចត្រូវបានជះឥទ្ធិពលដោយអថេរផ្សេងទៀតដែលមិនត្រូវបានវិភាគ។
៣. ដែនកំណត់នៃប្រភេទទិន្នន័យ៖ មិនមែនគ្រប់ប្រភេទទិន្នន័យទាំងអស់សុទ្ធតែសមស្របសម្រាប់គ្រប់ប្រភេទនៃសហសម្ព័ន្ធនោះទេ។ ឧទាហរណ៍ Pearson មិនសមស្របសម្រាប់ទិន្នន័យលំដាប់លំដោយទេ។

សេចក្តីសន្និដ្ឋាន

ការវិភាគសហសម្ព័ន្ធគឺជាឧបករណ៍ស្ថិតិដ៏មានឥទ្ធិពលមួយសម្រាប់ការយល់ដឹងអំពីទំនាក់ទំនងរវាងអថេរនៅក្នុងវិស័យសិក្សាជាច្រើនប្រភេទ។ ការយល់ដឹងល្អអំពីទ្រឹស្តីនៅពីក្រោយមេគុណសហសម្ព័ន្ធ និងការអនុវត្តជាក់ស្តែងរបស់ពួកវាគឺមានសារៈសំខាន់ដើម្បីបង្កើនអត្ថប្រយោជន៍នៃបច្ចេកទេសនេះ។ ទោះបីជាមានដែនកំណត់របស់វាក៏ដោយ ដូចជាមិនធានាទំនាក់ទំនងមូលហេតុ ការវិភាគសហសម្ព័ន្ធនៅតែជាជំហានដំបូងជាមូលដ្ឋានក្នុងការស្វែងយល់ពីទំនាក់ទំនងរវាងអថេរមុនពេលបន្តទៅការវិភាគស្មុគស្មាញជាងនេះ។