Пример питања и дискусија о анализи корелације
Анализа корелације је статистичка метода која се користи за одређивање степена повезаности између две променљиве. Ова анализа се често користи у различитим дисциплинама, укључујући економију, психологију, медицину и социологију, како би се разумело колико су две променљиве повезане. У овом чланку ћемо размотрити неколико примера проблема и дискусија како бисмо помогли у разумевању концепта анализе корелације.
Разумевање анализе корелације
Анализа корелације се користи за мерење јачине и правца везе између две нумеричке променљиве. Ова вредност корелације се обично изражава помоћу коефицијента корелације, који може да се креће од -1 до 1. Ове вредности се могу тумачити на следећи начин:
– +1: Савршена позитивна корелација. Обе променљиве се крећу у истом смеру.
– 0: Нема корелације. Две променљиве немају јасну линеарну везу.
– -1: Савршена негативна корелација. Обе променљиве се крећу у супротним смеровима.
Најчешће коришћени коефицијент корелације је Пирсонова корелација. Међутим, постоје и друге методе корелације, као што су Спирман и Кендал, које су погодније за ординалне или нелинеарне податке.
Кораци анализе корелације
1. Прикупљање података: Прикупите податке за две променљиве које треба анализирати.
2. Визуелизација података: Направите дијаграм расејања да бисте видели образац односа између две променљиве.
3. Израчунавање коефицијента корелације: Израчунајте Пирсонов, Спирманов или Кендалов коефицијент корелације.
4. Интерпретација резултата: Закључите о јачини и смеру везе на основу вредности коефицијента корелације.
5. Тест значајности: Утврдити да ли је пронађена корелација статистички значајна.
Цонтох Соал и Пембахасан
Питање 1: Пирсонова корелација
Дати подаци о висини (цм) и тежини (кг) 5 особа су следећи:
| Особа | Висина (цм) | Тежина (кг) |
|——-|————-|————|
| А | 160 | 55 |
| Б | 165 | 60 |
| Ц | 170 | 65 |
| Д | 175 | 70 |
| Е | 180 | 75 |
Израчунајте Пирсонов коефицијент корелације за податке.
пембахасан:
1. Израчунавање просека:
– Просечна висина (X̄) = (160 + 165 + 170 + 175 + 180) / 5 = 170
– Просечна тежина (Ȳ) = (55 + 60 + 65 + 70 + 75) / 5 = 65
2. Израчунавање одступања од средње вредности:
– Велико одступање: (160 – 170), (165 – 170), (170 – 170), (175 – 170), (180 – 170)
– Озбиљно одступање: (55 – 65), (60 – 65), (65 – 65), (70 – 65), (75 – 65)
3. Израчунавање производа одступања:
– (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
Укупно = 100 + 25 + 0 + 25 + 100 = 250
4. Израчунавање квадрата девијације:
– 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 висину:
– (160-170)² = 100
– (165-170)² = 25
– (170-170)² = 0
– (175-170)² = 25
– (180-170)² = 100
Укупно = 100 + 25 + 0 + 25 + 100 = 250
За тежину:
– (55-65)² = 100
– (60-65)² = 25
– (65-65)² = 0
– (70-65)² = 25
– (75-65)² = 100
Укупно = 100 + 25 + 0 + 25 + 100 = 250
5. Израчунавање Пирсоновог коефицијента корелације:
\[
r = \frac{\sum ((X – X̄)(Y – Ȳ))}{\sqrt{\sum (X – X̄)² \sum (Y – Ȳ)²}}
\]
\[
r = 250 x 250 = 250 = 250
\]
Тумачење: Вредност Пирсоновог коефицијента корелације од 1 указује на савршено позитивну везу између висине и тежине.
Питање 2: Спирманова корелација
С обзиром на податке о рангирању две променљиве, као што следи:
| Особа | Променљива X | Променљива Y |
|——-|————|————|
| А | 1 | 3 |
| Б | 2 | 1 |
| Ц | 3 | 4 |
| Д | 4 | 2 |
| Е | 5 | 5 |
Израчунајте Спирманов коефицијент корелације на основу података.
пембахасан:
1. Израчунавање разлике у рангирању (d):
– За рангирање X и Y:
– А: 1 – 3 = -2
– Б: 2 – 1 = 1
– Ц: 3 – 4 = -1
– Д: 4 – 2 = 2
– Е: 5 – 5 = 0
2. Израчунавање квадрата разлике у рангирању (d²):
– (-2)² = 4
– (1)² = 1
– (-1)² = 1
– (2)² = 4
– (0)² = 0
Укупно (Σd²) = 4 + 1 + 1 + 4 + 0 = 10
3. Израчунавање Спирмановог коефицијента корелације:
\[
r_s = 1 – \frac{6 \sum d^2}{n(n^2 – 1)}
\]
\[
r_s = 1 – 6 x 105(5^2 – 1)} = 1 – 60120 = 1 – 0.5 = 0.5
\]
Тумачење: Вредност Спирмановог коефицијента корелације од 0.5 указује на умерено позитивну везу између варијабли X и Y.
Закључак
Из горњих примера видимо како се анализа корелације може користити за одређивање јачине и правца везе између две променљиве. Пирсонов коефицијент корелације се користи за нумеричке податке са линеарном везом, док се Спирманов коефицијент корелације користи за ординалне или нелинеарне податке. Разумевањем и савладавањем ових техника, можемо боље анализирати податке и доносити тачније закључке у различитим областима проучавања.
