ਉਤਪਾਦ ਪਲ ਸਹਿ-ਸੰਬੰਧ: ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਰੇਖਿਕ ਸਬੰਧ ਦੀ ਪੜਚੋਲ ਕਰਨਾ
ਉਤਪਾਦ-ਮੋਮੈਂਟ ਸਹਿ-ਸਬੰਧ, ਜਿਸਨੂੰ ਅਕਸਰ ਪੀਅਰਸਨ ਸਹਿ-ਸਬੰਧ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਦੋ ਸੰਖਿਆਤਮਕ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਇੱਕ ਰੇਖਿਕ ਸਬੰਧ ਦੀ ਤਾਕਤ ਅਤੇ ਦਿਸ਼ਾ ਨੂੰ ਮਾਪਣ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਅੰਕੜਾਤਮਕ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। 19ਵੀਂ ਸਦੀ ਦੇ ਅਖੀਰ ਵਿੱਚ ਕਾਰਲ ਪੀਅਰਸਨ ਦੁਆਰਾ ਖੋਜਿਆ ਗਿਆ, ਇਹ ਵਿਧੀ ਮਨੋਵਿਗਿਆਨ, ਅਰਥ ਸ਼ਾਸਤਰ, ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਵਰਗੇ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਾਧਨ ਬਣੀ ਹੋਈ ਹੈ।
ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਮੁੱਢਲੇ ਸੰਕਲਪ
ਉਤਪਾਦ ਮੋਮੈਂਟ ਸਹਿ-ਸਬੰਧ ਉਸ ਡਿਗਰੀ ਨੂੰ ਮਾਪਦਾ ਹੈ ਜਿਸ ਨਾਲ ਦੋ ਵੇਰੀਏਬਲ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਹੋਏ ਹਨ। ਪੀਅਰਸਨ ਸਹਿ-ਸਬੰਧ ਗੁਣਾਂਕ, ਜਿਸਨੂੰ r ਵਜੋਂ ਦਰਸਾਇਆ ਗਿਆ ਹੈ, -1 ਤੋਂ +1 ਤੱਕ ਹੁੰਦਾ ਹੈ। +1 ਦਾ ਮੁੱਲ ਇੱਕ ਸੰਪੂਰਨ ਸਕਾਰਾਤਮਕ ਰੇਖਿਕ ਸਬੰਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿੱਥੇ ਇੱਕ ਵੇਰੀਏਬਲ ਵਿੱਚ ਵਾਧੇ ਤੋਂ ਬਾਅਦ ਦੂਜੇ ਵਿੱਚ ਵਾਧਾ ਹੁੰਦਾ ਹੈ। -1 ਦਾ ਮੁੱਲ ਇੱਕ ਸੰਪੂਰਨ ਨਕਾਰਾਤਮਕ ਰੇਖਿਕ ਸਬੰਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿੱਥੇ ਇੱਕ ਵੇਰੀਏਬਲ ਵਿੱਚ ਵਾਧੇ ਤੋਂ ਬਾਅਦ ਦੂਜੇ ਵਿੱਚ ਕਮੀ ਆਉਂਦੀ ਹੈ। ਦੂਜੇ ਪਾਸੇ, 0 ਦਾ ਮੁੱਲ, ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਕੋਈ ਰੇਖਿਕ ਸਬੰਧ ਨਹੀਂ ਦਰਸਾਉਂਦਾ।
ਪੀਅਰਸਨ ਸਹਿ-ਸਬੰਧ ਗੁਣਾਂਕ ਦੀ ਗਣਨਾ ਕਰਨਾ
ਪੀਅਰਸਨ ਸਹਿ-ਸੰਬੰਧ ਗੁਣਾਂਕ ਦੀ ਗਣਨਾ ਕਰਨ ਦਾ ਫਾਰਮੂਲਾ ਇਸ ਪ੍ਰਕਾਰ ਹੈ:
\[ r = \frac{N(\sum XY) – (\sum X)(\sum Y)}{\sqrt{[N \sum X^2 – (\sum
ਮਨ:
– \( N \) ਡਾਟਾ ਜੋੜਿਆਂ ਦੀ ਸੰਖਿਆ ਹੈ।
– \( X \) ਅਤੇ \( Y \) ਪਹਿਲੇ ਅਤੇ ਦੂਜੇ ਵੇਰੀਏਬਲ ਦੇ ਮੁੱਲ ਹਨ।
– \( \sum XY \) ਸਕੋਰਾਂ \( X \) ਅਤੇ \( Y \) ਦੇ ਗੁਣਨਫਲਾਂ ਦਾ ਜੋੜ ਹੈ।
– \( \sum X \) ਅਤੇ \( \sum Y \) ਮੁੱਲਾਂ \( X \) ਅਤੇ \( Y \) ਦਾ ਜੋੜ ਹਨ।
– \( \sum X^2 \) ਅਤੇ \( \sum Y^2 \) ਮੁੱਲਾਂ \( X \) ਅਤੇ \( Y \) ਦੇ ਵਰਗਾਂ ਦੇ ਜੋੜ ਹਨ।
ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ
\( r \) ਦੇ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਗਲਾ ਕਦਮ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਹੈ:
– \( r \) = +1: ਸੰਪੂਰਨ ਸਕਾਰਾਤਮਕ ਸਬੰਧ।
– \( r \) = -1: ਸੰਪੂਰਨ ਨਕਾਰਾਤਮਕ ਸਬੰਧ।
– \( 0 < r < +1 \): ਕਮਜ਼ੋਰ ਤੋਂ ਮਜ਼ਬੂਤ ਸਕਾਰਾਤਮਕ ਸਬੰਧ। - \( -1 < r < 0 \): ਕਮਜ਼ੋਰ ਤੋਂ ਮਜ਼ਬੂਤ ਨਕਾਰਾਤਮਕ ਸਬੰਧ। - \( r \) = 0: ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਕੋਈ ਰੇਖਿਕ ਸਬੰਧ ਨਹੀਂ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, \( r \) ਦਾ ਮੁੱਲ ਵੀ ਸਬੰਧ ਦੀ ਮਜ਼ਬੂਤੀ ਲਈ ਮਾਪਦੰਡਾਂ ਨਾਲ ਜੁੜਿਆ ਹੁੰਦਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ: - \( 0.00 - 0.19 \): ਬਹੁਤ ਘੱਟ ਸਬੰਧ। - \( 0.20 - 0.39 \): ਘੱਟ ਸਬੰਧ। - \( 0.40 - 0.59 \): ਦਰਮਿਆਨਾ ਸਬੰਧ। - \( 0.60 - 0.79 \): ਮਜ਼ਬੂਤ ਸਬੰਧ। - \( 0.80 - 1.00 \): ਬਹੁਤ ਮਜ਼ਬੂਤ ਸਬੰਧ। ਹਾਲਾਂਕਿ, ਇਹ ਮਾਪਦੰਡ ਮਿਆਰੀ ਨਹੀਂ ਹਨ ਅਤੇ ਵਰਤੇ ਗਏ ਵਿਗਿਆਨ ਦੇ ਸੰਦਰਭ ਅਤੇ ਖੇਤਰ ਦੇ ਅਨੁਸਾਰ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦੇ ਹਨ।
ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨ ਪੀਅਰਸਨ ਸਹਿ-ਸੰਬੰਧ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਮਨੋਵਿਗਿਆਨ ਵਿੱਚ, ਸ਼ਖਸੀਅਤ ਦੇ ਦੋ ਪਹਿਲੂਆਂ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਮਾਪਣ ਲਈ; ਅਰਥਸ਼ਾਸਤਰ ਵਿੱਚ, ਆਮਦਨ ਅਤੇ ਖਪਤ ਵਰਗੇ ਦੋ ਆਰਥਿਕ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ; ਜੀਵ ਵਿਗਿਆਨ ਵਿੱਚ, ਦੋ ਜੈਵਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਖੋਜਕਰਤਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਚਾਹ ਸਕਦਾ ਹੈ ਕਿ ਕੀ ਤਣਾਅ ਅਤੇ ਨੀਂਦ ਦੀ ਗੁਣਵੱਤਾ ਵਿਚਕਾਰ ਕੋਈ ਸਬੰਧ ਹੈ। ਕਈ ਵਿਅਕਤੀਆਂ ਤੋਂ ਤਣਾਅ ਦੇ ਪੱਧਰਾਂ ਅਤੇ ਨੀਂਦ ਦੀ ਗੁਣਵੱਤਾ 'ਤੇ ਡੇਟਾ ਇਕੱਠਾ ਕਰਕੇ ਅਤੇ ਪੀਅਰਸਨ ਸਹਿ-ਸੰਬੰਧ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਖੋਜਕਰਤਾ ਇਹ ਪਛਾਣ ਸਕਦਾ ਹੈ ਕਿ ਕੀ ਇਹਨਾਂ ਦੋ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਇੱਕ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਹੈ। ਸੀਮਾਵਾਂ ਅਤੇ ਵਿਚਾਰ ਹਾਲਾਂਕਿ ਪੀਅਰਸਨ ਸਹਿ-ਸੰਬੰਧ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਾਧਨ ਹੈ, ਕਈ ਸੀਮਾਵਾਂ 'ਤੇ ਵਿਚਾਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ: 1. ਰੇਖਿਕਤਾ ਧਾਰਨਾ: ਪੀਅਰਸਨ ਸਿਰਫ ਰੇਖਿਕ ਸਬੰਧਾਂ ਲਈ ਢੁਕਵਾਂ ਹੈ। ਜੇਕਰ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਰੇਖਿਕ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਪੀਅਰਸਨ ਸਹਿ-ਸੰਬੰਧ ਗੁਣਾਂਕ ਦੁਆਰਾ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਦਰਸਾਇਆ ਜਾਵੇਗਾ। ਅਜਿਹੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ, ਹੋਰ ਸਹਿ-ਸੰਬੰਧ ਵਿਧੀਆਂ ਜਾਂ ਗੈਰ-ਰੇਖਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵਧੇਰੇ ਉਚਿਤ ਹੋ ਸਕਦੇ ਹਨ। 2. ਆਊਟਲੀਅਰਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ: ਅਤਿਅੰਤ ਮੁੱਲ, ਜਾਂ ਆਊਟਲੀਅਰ, ਸਹਿ-ਸੰਬੰਧ ਗੁਣਾਂਕ ਮੁੱਲ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਲਈ, ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਆਊਟਲੀਅਰਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸੰਭਾਲਣਾ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ।
3. ਕਾਰਨਾਮਾ ਨਹੀਂ ਦਰਸਾਉਂਦਾ: ਸਹਿ-ਸਬੰਧ ਕਾਰਨਾਮਾ ਦੇ ਸਮਾਨ ਨਹੀਂ ਹੈ। ਸਿਰਫ਼ ਇਸ ਲਈ ਕਿ ਦੋ ਵੇਰੀਏਬਲ ਸਹਿ-ਸਬੰਧਿਤ ਹਨ, ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇੱਕ ਵੇਰੀਏਬਲ ਦੂਜੇ ਵਿੱਚ ਬਦਲਾਅ ਲਿਆਉਂਦਾ ਹੈ। ਇਸ ਲਈ, ਸਹਿ-ਸਬੰਧ ਦੇ ਨਤੀਜਿਆਂ ਦਾ ਧਿਆਨ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਕਾਰਨਾਮਾ ਸਬੰਧ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਵਾਧੂ ਖੋਜ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਪੀਅਰਸਨ ਸਹਿ-ਸਬੰਧ ਦੇ ਵਿਕਲਪ ਪੀਅਰਸਨ ਸਹਿ-ਸਬੰਧ ਤੋਂ ਇਲਾਵਾ, ਕਈ ਹੋਰ ਸਹਿ-ਸਬੰਧ ਵਿਧੀਆਂ ਹਨ ਜੋ ਸਥਿਤੀਆਂ ਅਤੇ ਡੇਟਾ ਦੀ ਕਿਸਮ ਦੇ ਅਧਾਰ ਤੇ ਵਰਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ: - ਸਪੀਅਰਮੈਨ ਸਹਿ-ਸਬੰਧ: ਆਰਡੀਨਲ ਡੇਟਾ ਲਈ ਜਾਂ ਡੇਟਾ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਸਧਾਰਣਤਾ ਅਤੇ ਰੇਖਿਕਤਾ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਦਾ। ਸਪੀਅਰਮੈਨ ਸਹਿ-ਸਬੰਧ ਦੋ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਮੋਨੋਟੋਨਿਕ ਸਬੰਧ ਦੀ ਤਾਕਤ ਅਤੇ ਦਿਸ਼ਾ ਨੂੰ ਮਾਪਦਾ ਹੈ। - ਕੇਂਡਲ ਸਹਿ-ਸਬੰਧ: ਆਰਡੀਨਲ ਡੇਟਾ ਜਾਂ ਗੈਰ-ਆਮ ਡੇਟਾ ਲਈ ਵੀ। ਇਹ ਦੋ ਡੇਟਾ ਰੈਂਕਾਂ ਵਿਚਕਾਰ ਸਮਝੌਤੇ ਦੀ ਡਿਗਰੀ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਸਿੱਟਾ ਉਤਪਾਦ ਮੋਮੈਂਟ ਸਹਿ-ਸਬੰਧ ਜਾਂ ਪੀਅਰਸਨ ਸਹਿ-ਸਬੰਧ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਾਧਨ ਹੈ ਜੋ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਦੋ ਸੰਖਿਆਤਮਕ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਰੇਖਿਕ ਸਬੰਧ ਨੂੰ ਸਮਝਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਸਹਿ-ਸਬੰਧ ਗੁਣਾਂਕ ਦੀ ਗਣਨਾ ਅਤੇ ਵਿਆਖਿਆ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਦੀ ਤਾਕਤ ਅਤੇ ਦਿਸ਼ਾ ਵਿੱਚ ਕੀਮਤੀ ਸੂਝ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਯਾਦ ਰੱਖਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਸਹਿ-ਸਬੰਧ ਕਾਰਨਾਮਾ ਨਹੀਂ ਦਰਸਾਉਂਦਾ, ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਸਮੁੱਚੇ ਸੰਦਰਭ ਵਿੱਚ ਦੇਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਪੀਅਰਸਨ ਸਹਿ-ਸਬੰਧ ਨੂੰ ਸਮਝਦਾਰੀ ਨਾਲ ਵਰਤ ਕੇ, ਖੋਜਕਰਤਾ ਆਪਣੇ ਅਧਿਐਨ ਕੀਤੇ ਡੇਟਾ ਤੋਂ ਵਧੇਰੇ ਸਹੀ ਅਤੇ ਸੰਬੰਧਿਤ ਸਧਾਰਣੀਕਰਨ ਕਰ ਸਕਦੇ ਹਨ।
