सहसंबंध विश्लेषण म्हणजे काय?
सहसंबंध विश्लेषण ही दोन संख्यात्मक चलांमधील रेषीय संबंधाची तीव्रता आणि दिशा यांचे मूल्यांकन करण्यासाठी वापरली जाणारी एक सांख्यिकीय पद्धत आहे. हे विश्लेषण वित्त आणि अर्थशास्त्रापासून ते अभियांत्रिकी आणि सामाजिक शास्त्रांपर्यंतच्या विविध क्षेत्रांमध्ये पायाभूत आहे, आणि एका चलातील बदल दुसऱ्या चलातील बदलांशी कसे संबंधित असू शकतात याबद्दल अंतर्दृष्टी प्रदान करते.
सहसंबंधाची मूलतत्त्वे
मूलतः, सहसंबंध हे दोन चल एकत्र कसे बदलतात हे मोजतो. जर दोन चल एकाच वेळी वाढण्याची किंवा कमी होण्याची प्रवृत्ती दर्शवत असतील, तर त्यांच्यात सकारात्मक सहसंबंध आहे असे म्हटले जाते. याउलट, जर एक चल कमी होत असताना दुसरे वाढण्याची प्रवृत्ती दर्शवत असेल, तर त्यांच्यात नकारात्मक सहसंबंध असतो. जर त्यांच्या हालचालीत कोणताही स्पष्ट नमुना दिसत नसेल, तर ते दोन चल असंबंधित असतात.
सहसंबंध मोजणे
सहसंबंध विश्लेषणात वापरले जाणारे सर्वात सामान्य सांख्यिकी म्हणजे पिअर्सन सहसंबंध गुणांक, जो \( r \) ने दर्शविला जातो. या गुणांकाची श्रेणी -1 ते 1 पर्यंत असते, जेथे:
– \( r = 1 \): परिपूर्ण धन रेषीय संबंध.
– \( r = -1 \): परिपूर्ण नकारात्मक रेषीय संबंध.
– \( r = 0 \): रेषीय संबंध नाही.
सहसंबंधाच्या इतर मापनांमध्ये स्पीअरमनचा रँक सहसंबंध आणि केंडलचा टाऊ यांचा समावेश होतो, जे अरेखीय संबंध आणि आउटलायर्सच्या बाबतीत अधिक मजबूत असतात.
पिअरसनच्या r ची गणना
पिअरसन सहसंबंध गुणांक खालील सूत्राने मोजला जातो:
\[ r = \frac{\text{cov}(X, Y)}{\sigma_X \sigma_Y} \]
कोठे:
– \(\text{cov}(X, Y)\) हे X आणि Y या चलांमधील सहप्रसरण आहे.
– \(\sigma_X\) आणि \(\sigma_Y\) हे अनुक्रमे X आणि Y चे मानक विचलन आहेत.
हे सूत्र मूलतः चलांच्या मानक विचलनांच्या गुणाकाराने सहप्रसरणाचे मानकीकरण करते, ज्यामुळे परिणाम परिमाणरहित आणि -1 ते 1 च्या दरम्यान मर्यादित राहतो.
सहसंबंधाचे स्पष्टीकरण
सहसंबंध विश्लेषणाच्या निष्कर्षांचा अर्थ लावण्यासाठी \( r \) चे मूल्य समजून घेणे महत्त्वाचे आहे. सर्वसाधारणपणे:
– 0.0 – 0.19 : अतिशय कमकुवत ते नगण्य सहसंबंध.
– ०.२ – ०.३९ : कमजोर सहसंबंध.
– ०.४ – ०.५९ : मध्यम सहसंबंध.
– ०.६ – ०.७९ : मजबूत सहसंबंध.
– ०.८ – १.० : अतिशय मजबूत सहसंबंध.
हे लक्षात घेणे देखील महत्त्वाचे आहे की सहसंबंधामुळे कार्यकारणभाव सिद्ध होत नाही. दोन चलांमधील उच्च सहसंबंधाचा अर्थ असा होत नाही की एका चलामुळे दुसऱ्यामध्ये बदल होतो.
सहसंबंध विश्लेषणाचे अनुप्रयोग
१. वित्त
वित्त क्षेत्रात, स्टॉक्स, बॉण्ड्स आणि इतर गुंतवणूक साधनांमधील संबंधांचे मूल्यांकन करण्यासाठी सहसंबंध विश्लेषणाचा मोठ्या प्रमाणावर वापर केला जातो. उदाहरणार्थ, वेगवेगळ्या मालमत्तांमधील सहसंबंध समजून घेतल्याने पोर्टफोलिओ विविधीकरणात मदत होऊ शकते, कारण असंबंधित किंवा नकारात्मक सहसंबंध असलेल्या मालमत्ता एकत्र केल्याने जोखीम कमी होऊ शकते.
२. अर्थशास्त्र
अर्थशास्त्रज्ञ आर्थिक निर्देशकांमधील संबंध तपासण्यासाठी सहसंबंध विश्लेषणाचा वापर करतात. उदाहरणार्थ, व्यापक आर्थिक वातावरण समजून घेण्यासाठी बेरोजगारीचे दर आणि जीडीपी वाढ यांच्यातील संबंध तपासला जाऊ शकतो.
३. आरोग्य विज्ञान
आरोग्य शास्त्रामध्ये, जीवनशैली घटक आणि आरोग्य परिणाम यांच्यातील संभाव्य संबंध ओळखण्यासाठी सहसंबंध मदत करू शकतो. उदाहरणार्थ, संशोधक शारीरिक हालचालींची पातळी आणि हृदयरोगाचे प्रमाण यांच्यातील सहसंबंधाचा अभ्यास करू शकतात.
४. सामाजिक शास्त्रे
समाजशास्त्रज्ञ आणि मानसशास्त्रज्ञ अनेकदा उत्पन्न पातळी आणि शैक्षणिक प्राप्ती यांसारख्या घटकांमधील, किंवा तणावाची पातळी आणि कामातील कामगिरी यांमधील संबंधांचा अभ्यास करण्यासाठी सहसंबंधाचा वापर करतात.
सहसंबंध विश्लेषणाच्या मर्यादा
व्यापक वापर असूनही, सहसंबंध विश्लेषणाच्या अनेक मर्यादा आहेत:
१. सहसंबंध म्हणजे कार्यकारणभाव नव्हे:
जरी दोन चल सहसंबंधित असले तरी, याचा अर्थ असा नाही की एकामुळे दुसरे घडते. बाह्य घटक किंवा तिसरे चल (गोंधळ निर्माण करणारे चल) दोन्ही चलांवर प्रभाव टाकू शकतात, ज्यामुळे एक खोटा सहसंबंध निर्माण होतो.
२. रेषीयता:
पिअरसनचा सहसंबंध केवळ रेषीय संबंध मोजतो. जर दोन चलांमधील संबंध अ-रेषीय असेल, तर सहसंबंध गुणांक दिशाभूल करणारा ठरू शकतो.
३. अपवादात्मक बाबींबद्दलची संवेदनशीलता:
सहसंबंध गुणांक अपवादात्मक मूल्यांप्रति अत्यंत संवेदनशील असू शकतात. काही टोकाची मूल्ये सहसंबंधात विकृती आणू शकतात, ज्यामुळे तो प्रत्यक्षात आहे त्यापेक्षा अधिक मजबूत किंवा कमकुवत दिसू शकतो.
४. एकजिनसीपणा:
सहसंबंध गुणांक हा चलांच्या संपूर्ण श्रेणीमध्ये प्रसरणाची एकरूपता गृहीत धरतो. जर हे गृहीतक पाळले गेले नाही, तर त्यामुळे चुकीचे निष्कर्ष निघू शकतात.
प्रगत सहसंबंध तंत्र
यापैकी काही मर्यादांवर मात करण्यासाठी, विविध प्रगत पद्धती वापरल्या जाऊ शकतात:
– आंशिक सहसंबंध: हे तंत्र एक किंवा अधिक अतिरिक्त चलांचा प्रभाव नियंत्रित करून दोन चलांमधील सहसंबंध मोजते.
– कॅनोनिकल कोरिलेशन: याचा उपयोग केवळ दोन स्वतंत्र व्हेरिएबल्समधील संबंध समजून घेण्याऐवजी, व्हेरिएबल्सच्या दोन संचांमधील संबंध समजून घेण्यासाठी केला जातो.
– बहुचर विश्लेषण: मल्टिपल रिग्रेशनसारखी तंत्रे एकाच वेळी अनेक चलांमधील संबंध शोधण्यास मदत करू शकतात.
सहसंबंध विश्लेषण करण्याच्या पायऱ्या
१. माहितीचे संकलन:
सर्वप्रथम संबंधित माहिती गोळा करा, आणि ती संख्यात्मक असून विश्लेषणाची व्याप्ती व्यापणारी आहे याची खात्री करा.
२. दृश्य विश्लेषण:
सांख्यिकीय चाचण्या करण्यापूर्वी, स्कॅटर प्लॉट वापरून डेटा रेखाटल्याने संबंधाची दृश्यात्मक कल्पना येऊ शकते.
३. गणना:
सहसंबंध गुणांक निश्चित करण्यासाठी सांख्यिकीय सॉफ्टवेअर किंवा हस्तगणनेचा वापर करा.
४. अन्वयार्थ:
संदर्भ आणि संभाव्य बाह्य घटकांचा विचार करून सहसंबंधाच्या तीव्रतेचे आणि दिशेचे विश्लेषण करा.
५. पडताळणी:
निकालांची विश्वासार्हता सुनिश्चित करण्यासाठी अतिरिक्त डेटा किंवा पर्यायी पद्धतींनी त्यांची पडताळणी करा.
निष्कर्ष
सहसंबंध विश्लेषण हे सांख्यिकीशास्त्रज्ञाच्या साधनांमधील एक शक्तिशाली साधन आहे, जे विविध चलांमधील संबंधांविषयी मौल्यवान अंतर्दृष्टी प्रदान करते. तथापि, त्याच्या मर्यादा समजून घेणे आणि अचूक व अर्थपूर्ण निष्कर्ष काढण्यासाठी त्याचा इतर पद्धतींसोबत वापर करणे महत्त्वाचे आहे. योग्यरित्या वापरल्यास, सहसंबंध विश्लेषण असे नमुने आणि संबंध उजेडात आणू शकते जे अन्यथा लपलेले राहू शकतात, ज्यामुळे अनेक क्षेत्रांमधील ज्ञानाची प्रगती होते.
