සහසම්බන්ධතා විශ්ලේෂණය: සංකල්ප, ක්රම සහ යෙදුම්
සංඛ්යාලේඛනවල ප්රධාන සංකල්පයක් වන්නේ සහසම්බන්ධතාවයයි, එය විචල්ය දෙකක් එකට චලනය වන ප්රමාණය හෝ එකිනෙකට සම්බන්ධ වන ප්රමාණය මැනීමට භාවිතා කරයි. පර්යේෂණයේදී, සහසම්බන්ධතාවයට විද්යාව, ආර්ථික විද්යාව, මනෝවිද්යාව සහ සමාජ විද්යාව වැනි විවිධ ක්ෂේත්ර පුරා පුළුල් යෙදුම් ඇත. මෙම ලිපිය සහසම්බන්ධතාවය පිළිබඳ සංකල්පය ගැඹුරින්, එය මැනීමේ ක්රම සහ විවිධ ක්ෂේත්රවල එහි යෙදීම් ගවේෂණය කරනු ඇත.
සහසම්බන්ධතාවයේ මූලික සංකල්පය
මූලික වශයෙන්, සහසම්බන්ධය මගින් විචල්ය දෙකක් අතර රේඛීය සම්බන්ධතාවයක ශක්තිය සහ දිශාව මනිනු ලැබේ. මෙම සම්බන්ධතාවය ධනාත්මක, සෘණ හෝ සහසම්බන්ධයක් නොමැති විය හැකිය. සම්බන්ධතා වර්ග තුන පිළිබඳ පැහැදිලි කිරීමක් මෙන්න:
1. ධනාත්මක සහසම්බන්ධය: එක් විචල්යයක අගය වැඩි වන විට, අනෙක් විචල්යයේ අගය ද වැඩි වීමට නැඹුරු වේ. සරල උදාහරණයක් වන්නේ පුද්ගලයෙකුගේ උස හා බර අතර සම්බන්ධතාවයයි.
2. සෘණ සහසම්බන්ධය: එක් විචල්යයක අගය වැඩි වන විට, අනෙක් විචල්යයේ අගය අඩු වීමට නැඹුරු වේ. උදාහරණයක් ලෙස, දිනකට දුම් පානය කරන සිගරට් ගණන සහ ආයු අපේක්ෂාව අතර සෘණ සහසම්බන්ධයක් ඇත.
3. සහසම්බන්ධයක් නැත: විචල්ය දෙකක් අතර වැඩිවීමේ හෝ අඩුවීමේ පැහැදිලි රටාවක් නොමැති විට. උදාහරණය: සපත්තු ප්රමාණය සහ ගණිත පරීක්ෂණ ලකුණු අතර සම්බන්ධතාවය.
සහසම්බන්ධතාවය මැනීමේ ක්රම
විචල්ය දෙකක් අතර සහසම්බන්ධය ගණනය කිරීම සඳහා විවිධ ක්රම සංවර්ධනය කර ඇත. වඩාත් බහුලව භාවිතා වන ක්රම වන්නේ පියර්සන්, ස්පියර්මන් සහ කෙන්ඩල් සහසම්බන්ධතා සංගුණක ය. මෙම එක් එක් ක්රම සාකච්ඡා කරමු.
1. පියර්සන් සහසම්බන්ධතා සංගුණකය
පියර්සන් සහසම්බන්ධතා සංගුණකය (r) යනු අන්තර හෝ අනුපාත විචල්ය දෙකක් අතර රේඛීය සම්බන්ධතාවයේ ශක්තිය සහ දිශාව මැනීමකි. එහි අගය -1 සිට 1 දක්වා පරාසයක පවතී. 1 ක අගයක් පරිපූර්ණ ධනාත්මක සහසම්බන්ධයක් පෙන්නුම් කරයි, -1 ක අගයක් පරිපූර්ණ සෘණ සහසම්බන්ධයක් පෙන්නුම් කරයි, සහ 0 ක අගයක් සහසම්බන්ධයක් නොමැති බව පෙන්නුම් කරයි.
පියර්සන් සහසම්බන්ධතා සංගුණකය සඳහා සූත්රය:
\[ r = \frac{\sum (x_i – \overline{x})(y_i – \overline{y})}{\sqrt{\sum (x_i – \overline{x})^2 \sum (y_i – \overline{y})^2}} \]
මෙහි \( x_i \) සහ \( y_i \) යනු නිරීක්ෂණය කරන ලද අගයන් වන අතර, \( \overline{x} \) සහ \( \overline{y} \) යනු x සහ y හි මධ්යන්යයන් වේ.
2. ස්පියර්මන් සහසම්බන්ධතා සංගුණකය
ස්පියර්මන් සහසම්බන්ධතා සංගුණකය (ρ) යනු විචල්ය දෙකක් අතර ඒකාකාරී සම්බන්ධතාවය තක්සේරු කරන පරාමිතික නොවන මිනුමක් වේ. දත්ත සාමාන්ය ව්යාප්තියක් අනුගමනය නොකරන විට හෝ රේඛීය නොවන විට එය භාවිතා වේ. ρ අගයන් -1 සිට 1 දක්වා පරාසයක පවතින අතර එය පියර්සන් සංගුණකයට සමාන වේ.
ස්පියර්මන් සහසම්බන්ධතා සංගුණක සූත්රය:
\[ ρ = 1 – \frac{6 \sum d_i^2}{n(n^2 – 1)} \]
මෙහි \( d_i \) යනු නිරීක්ෂණය කරන ලද අගයන් දෙකක ශ්රේණි අතර වෙනස වන අතර \( n \) යනු නිරීක්ෂණ ගණන වේ.
3. කෙන්ඩල්ගේ සහසම්බන්ධතා සංගුණකය
කෙන්ඩල්ගේ සහසම්බන්ධතා සංගුණකය (τ) යනු විචල්ය දෙකක් අතර සම්බන්ධතාවයේ ප්රබලතාවය සහ දිශාව තක්සේරු කිරීමට භාවිතා කරන තවත් පරාමිතික නොවන මිනුමක් වේ. එය නිරීක්ෂණ යුගල කෙතරම් අනුකූලව ශ්රේණිගත කර ඇත්දැයි මනිනු ලබයි.
කෙන්ඩල්ගේ සහසම්බන්ධතා සංගුණක සූත්රය:
\[ \tau = \frac{(C – D)}{\sqrt{(C + D + T_1)(C + D + T_2)}} \]
මෙහි \( C \) යනු සමගාමී යුගල ගණන වන අතර, \( D \) යනු අසමාන යුගල ගණන වන අතර, \( T_1 \) සහ \( T_2 \) යනු බන්ධන ගැලපීම් වේ.
විවිධ ක්ෂේත්රවල සහසම්බන්ධතා යෙදුම්
1. ආර්ථිකය
ආර්ථික විද්යාවේදී, ප්රධාන ආර්ථික විචල්යයන් අතර සම්බන්ධතා හඳුනා ගැනීම සඳහා සහසම්බන්ධතා විශ්ලේෂණය භාවිතා කරයි. උදාහරණයක් ලෙස, උද්ධමනය සහ විරැකියාව අතර හෝ දළ දේශීය නිෂ්පාදිතයේ වර්ධනය සහ පොලී අනුපාත අතර සහසම්බන්ධය. මෙම සහසම්බන්ධතා තේරුම් ගැනීම ආර්ථික විද්යාඥයින්ට සහ ප්රතිපත්ති සම්පාදකයින්ට වඩාත් ඵලදායී ආර්ථික ප්රතිපත්ති සැලසුම් කිරීමට උපකාරී වේ.
2. මනෝවිද්යාව
මනෝවිද්යාවේදී, හැසිරීම සහ අනෙකුත් මනෝවිද්යාත්මක සංසිද්ධි අතර සම්බන්ධතාවය මැනීමට සහසම්බන්ධය භාවිතා කරයි. උදාහරණයක් ලෙස, ආතති මට්ටම් සහ වැඩ කාර්ය සාධනය අතර හෝ නින්දේ ගුණාත්මකභාවය සහ මානසික සෞඛ්යය අතර සහසම්බන්ධය. මෙම ආකාරයේ පර්යේෂණ මනෝවිද්යාඥයින්ට සහ මානසික සෞඛ්ය වෘත්තිකයන්ට වඩා හොඳ මැදිහත්වීම් සැලසුම් කිරීමට උපකාරී වේ.
3. සෞඛ්යය
සෞඛ්ය ක්ෂේත්රයේ දී, අවදානම් සාධක සහ සෞඛ්ය ප්රතිඵල අතර සම්බන්ධතාවය ඇගයීම සඳහා සහසම්බන්ධය බොහෝ විට භාවිතා වේ. උදාහරණයක් ලෙස, දුම්පානය සහ පෙනහළු පිළිකා ඇතිවීම අතර හෝ ශාරීරික ක්රියාකාරකම් සහ හෘද රෝග පැතිරීම අතර සහසම්බන්ධය. වැළැක්වීමේ සහ සෞඛ්ය ප්රවර්ධන උපාය මාර්ග සංවර්ධනය කිරීම සඳහා මෙම පර්යේෂණය ඉතා වැදගත් වේ.
4. අධ්යාපනය
අධ්යාපනයේ දී, විවිධ සාධක සහ ඉගෙනුම් ප්රතිඵල අතර සම්බන්ධතාවය ඇගයීමට සහසම්බන්ධතා විශ්ලේෂණය භාවිතා කළ හැකිය. උදාහරණයක් ලෙස, අධ්යයන කාලය සහ පරීක්ෂණ ලකුණු අතර සහසම්බන්ධය, නැතහොත් විෂය බාහිර ක්රියාකාරකම්වල සහභාගීත්වය සහ අධ්යයන ජයග්රහණ අතර සහසම්බන්ධය. ඉගෙනුම් ආකෘති වැඩිදියුණු කිරීම සඳහා අධ්යාපනඥයින්ට මෙම තොරතුරු ප්රයෝජනවත් වේ.
සහසම්බන්ධතාවයේ අර්ථ නිරූපණය සහ සීමාවන්
සහසම්බන්ධය හේතුඵල සම්බන්ධතාවයක් අදහස් නොකරන බව තේරුම් ගැනීම වැදගත්ය. විචල්ය දෙකකට ශක්තිමත් සම්බන්ධතාවයක් තිබිය හැකි වුවද, එක් විචල්යයක සිදුවන වෙනස්කම් අනෙක් විචල්යයේ වෙනස්කම් ඇති කරන බව මින් අදහස් නොවේ. තවද, නොසලකා හරින ලද තුන්වන සාධකයක් නිරීක්ෂණය කරන ලද සම්බන්ධතාවයේ ප්රධාන හේතුව විය හැකිය.
සිද්ධි අධ්යයනය: සමාජ පර්යේෂණයේ සහසම්බන්ධතාවය
උදාහරණයක් ලෙස, අපට සමාජ පර්යේෂණයකින් උදාහරණයක් ගත හැකිය. අධ්යයනයකට අධ්යාපන මට්ටම සහ ආදායම අතර සම්බන්ධතාවය පරීක්ෂා කිරීමට අවශ්ය යැයි සිතමු. සමීක්ෂණ දත්ත භාවිතා කරමින්, පර්යේෂකයාට විචල්ය දෙක අතර රේඛීය සම්බන්ධතාවයක් තිබේද යන්න තීරණය කිරීම සඳහා පියර්සන් සහසම්බන්ධතා සංගුණකය ගණනය කළ හැකිය.
විශ්ලේෂණ ප්රතිඵල මගින් ශක්තිමත් ධනාත්මක සහසම්බන්ධයක් පෙන්නුම් කරන්නේ නම් (උදා: r = 0.8), මෙයින් ඇඟවෙන්නේ, සාමාන්යයෙන්, පුද්ගලයෙකුගේ අධ්යාපන මට්ටම ඉහළ යන තරමට, ඔහුගේ ආදායම ඉහළ යන බවයි. කෙසේ වෙතත්, මෙම ප්රතිඵල අර්ථකථනය කිරීමේදී පර්යේෂකයන් ප්රවේශම් විය යුතුය. රැකියා පළපුරුද්ද, කුසලතා සහ භූගෝලීය පිහිටීම වැනි මෙම සම්බන්ධතාවයට බලපෑම් කළ හැකි වෙනත් සාධක ගවේෂණය කිරීම සඳහා තවදුරටත් විශ්ලේෂණය අවශ්ය වේ.
නිගමනය
සහසම්බන්ධතා විශ්ලේෂණය යනු විචල්ය දෙකක් අතර සම්බන්ධතාවය ඇගයීම සඳහා ඉතා ප්රයෝජනවත් පර්යේෂණ මෙවලමකි. සුදුසු මිනුම් ක්රම තේරුම් ගැනීමෙන් සහ ප්රතිඵල ප්රවේශමෙන් අර්ථ නිරූපණය කිරීමෙන්, පර්යේෂකයන්ට ඔවුන්ගේ දත්තවල වැදගත් රටා සහ සම්බන්ධතා හඳුනාගත හැකිය. කෙසේ වෙතත්, සහසම්බන්ධතාවය හේතුඵල සම්බන්ධතාවයක් අදහස් නොකරන බව මතක තබා ගැනීම සහ බලපෑම් කළ හැකි සියලු විචල්යයන් සලකා බැලීම වැදගත් වේ.
සුදුසු පරිදි යෙදූ විට, සහසම්බන්ධතා විශ්ලේෂණය ආර්ථික විද්යාවේ සිට සෞඛ්යය දක්වා, මනෝවිද්යාවේ සිට අධ්යාපනය දක්වා පුළුල් පරාසයක සංසිද්ධි තේරුම් ගැනීමට සහ පුරෝකථනය කිරීමට උපකාරී වන වටිනා අවබෝධයක් ලබා දිය හැකිය. අපගේ අධ්යයනයන්හි විචල්යයන් අතර සම්බන්ධතා පිළිබඳ වඩාත් පුළුල් හා නිවැරදි චිත්රයක් ලබා දීම සඳහා වැඩිදුර පර්යේෂණ සහ අතිරේක විශ්ලේෂණ ක්රම භාවිතය බොහෝ විට අවශ්ය වේ.
