Пример прашања и дискусија за анализа на корелација
Корелациската анализа е статистички метод што се користи за да се утврди степенот на поврзаност помеѓу две варијабли. Оваа анализа често се користи во различни дисциплини, вклучувајќи ја економијата, психологијата, медицината и социологијата, за да се разбере колку тесно се поврзани две варијабли. Во оваа статија, ќе разгледаме неколку примери на проблеми и дискусии за да помогнеме во разбирањето на концептот на корелациска анализа.
Разбирање на анализата на корелацијата
Корелациската анализа се користи за мерење на јачината и насоката на врската помеѓу две нумерички променливи. Оваа вредност на корелација обично се изразува со користење на коефициент на корелација, кој може да се движи од -1 до 1. Овие вредности може да се толкуваат на следниов начин:
– +1: Совршена позитивна корелација. Двете променливи се движат во иста насока.
– 0: Нема корелација. Двете променливи немаат јасна линеарна врска.
– -1: Совршена негативна корелација. Двете променливи се движат во спротивни насоки.
Најчесто користениот коефициент на корелација е Пирсоновата корелација. Сепак, постојат и други методи на корелација, како што се Спирман и Кендал, кои се посоодветни за ординални или нелинеарни податоци.
Чекори за анализа на корелација
1. Собирање податоци: Собирање податоци за двете варијабли што треба да се анализираат.
2. Визуелизација на податоци: Креирајте дијаграм на расејување за да го видите моделот на врска помеѓу двете променливи.
3. Пресметка на коефициент на корелација: Пресметајте го коефициентот на корелација на Пирсон, Спирман или Кендал.
4. Интерпретација на резултатите: Заклучете ја јачината и насоката на врската врз основа на вредноста на коефициентот на корелација.
5. Тест на значајност: Утврдете дали пронајдената корелација е статистички значајна.
Пример прашања и дискусија
Прашање 1: Пирсонова корелација
Дадени се податоци за висината (см) и тежината (кг) на 5 лица како што следува:
| Лице | Висина (см) | Тежина (кг) |
|——-|————-|————|
| А | 160 | 55 |
| Б | 165 | 60 |
| C | 170 | 65 |
| Д | 175 | 70 |
| Е | 180 | 75 |
Пресметајте го коефициентот на корелација на Пирсон за податоците.
Пембахасан:
1. Пресметување на просекот:
– Просечна висина (X̄) = (160 + 165 + 170 + 175 + 180) / 5 = 170
– Просечна тежина (Ȳ) = (55 + 60 + 65 + 70 + 75) / 5 = 65
2. Пресметување на отстапувањето од средната вредност:
– Големо отстапување: (160 – 170), (165 – 170), (170 – 170), (175 – 170), (180 – 170)
– Сериозно отстапување: (55 – 65), (60 – 65), (65 – 65), (70 – 65), (75 – 65)
3. Пресметување на производот на отстапување:
– (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
Вкупно = 100 + 25 + 0 + 25 + 100 = 250
4. Пресметување на квадратот на отстапување:
– Висина: (160-170)², (165-170)², (170-170)², (175-170)², (180-170)²
– Тежина: (55-65)², (60-65)², (65-65)², (70-65)², (75-65)²
За висина:
– (160-170)² = 100
– (165-170)² = 25
– (170-170)² = 0
– (175-170)² = 25
– (180-170)² = 100
Вкупно = 100 + 25 + 0 + 25 + 100 = 250
За тежина:
– (55-65)² = 100
– (60-65)² = 25
– (65-65)² = 0
– (70-65)² = 25
– (75-65)² = 100
Вкупно = 100 + 25 + 0 + 25 + 100 = 250
5. Пресметување на коефициентот на Пирсонова корелација:
\[
r = \frac{\sum ((X – X̄)(Y – Ȳ))}{\sqrt{\sum (X – X̄)² \sum (Y – Ȳ)²}}
\]
\[
r = \frac{250}{\sqrt{250 \times 250}} = \frac{250}{250} = 1
\]
Толкување: Вредноста на Пирсоновиот коефициент на корелација од 1 укажува на совршена позитивна врска помеѓу висината и тежината.
Прашање 2: Спирманова корелација
Со оглед на податоците за рангирање на две променливи како што следува:
| Лице | Променлива X | Променлива Y |
|——-|————|————|
| А | 1 | 3 |
| Б | 2 | 1 |
| C | 3 | 4 |
| Д | 4 | 2 |
| Е | 5 | 5 |
Пресметајте го коефициентот на корелација на Спирман врз основа на податоците.
Пембахасан:
1. Пресметка на разликата во рангирањето (d):
– За рангирање X и Y:
– A: 1 – 3 = -2
– Б: 2 – 1 = 1
– C: 3 – 4 = -1
– Д: 4 – 2 = 2
– Е: 5 – 5 = 0
2. Пресметка на квадратот на разликата во рангирањето (d²):
– (-2)² = 4
– (1)² = 1
– (-1)² = 1
– (2)² = 4
– (0)² = 0
Вкупно (Σd²) = 4 + 1 + 1 + 4 + 0 = 10
3. Пресметување на коефициентот на корелација на Спирман:
\[
r_s = 1 – \frac{6 \sum d^2}{n(n^2 – 1)}
\]
\[
r_s = 1 – \frac{6 \times 10}{5(5^2 – 1)} = 1 – \frac{60}{120} = 1 – 0.5 = 0.5
\]
Толкување: Вредноста на коефициентот на корелација на Спирман од 0.5 укажува на умерена позитивна врска помеѓу променливите X и Y.
Заклучок
Од горенаведените примери, гледаме како корелациската анализа може да се користи за да се утврди јачината и насоката на врската помеѓу две променливи. Пирсоновиот коефициент на корелација се користи за нумерички податоци со линеарна врска, додека Спирмановиот коефициент на корелација се користи за ординални или нелинеарни податоци. Со разбирање и совладување на овие техники, можеме подобро да анализираме податоци и да правиме поточни заклучоци во различни области на студии.
