การหาค่าสัมประสิทธิ์สหสัมพันธ์

การหาค่าสัมประสิทธิ์สหสัมพันธ์: บทนำ วิธีการ และการประยุกต์ใช้

สัมประสิทธิ์สหสัมพันธ์เป็นมาตรวัดทางสถิติที่ใช้กำหนดความแข็งแกร่งของความสัมพันธ์ระหว่างตัวแปรสองตัวในชุดข้อมูล ค่าสหสัมพันธ์มีตั้งแต่ -1 ถึง 1 ค่าสัมประสิทธิ์ที่ใกล้เคียงกับ 1 หรือ -1 แสดงว่ามีความสัมพันธ์ที่แข็งแกร่งระหว่างตัวแปรทั้งสอง ค่าสัมประสิทธิ์ที่ใกล้เคียงกับ 0 แสดงว่าไม่มีความสัมพันธ์ที่แข็งแกร่งระหว่างตัวแปรทั้งสอง บทความนี้จะกล่าวถึงสัมประสิทธิ์สหสัมพันธ์ วิธีการคำนวณ การตีความ และการประยุกต์ใช้ในสาขาต่างๆ

บทนำเกี่ยวกับสัมประสิทธิ์สหสัมพันธ์

ค่าสัมประสิทธิ์สหสัมพันธ์ช่วยให้เราเห็นภาพเชิงตัวเลขว่าตัวแปรสองตัวมีความสัมพันธ์กันมากน้อยเพียงใด ค่าสัมประสิทธิ์สหสัมพันธ์แบ่งออกเป็นสองประเภทหลักตามทิศทางของความสัมพันธ์:

1. ค่าสัมประสิทธิ์สหสัมพันธ์เชิงบวก: แสดงว่าเมื่อตัวแปรหนึ่งเพิ่มขึ้น ตัวแปรอีกตัวก็จะเพิ่มขึ้นด้วย
2. ค่าสัมประสิทธิ์สหสัมพันธ์เชิงลบ: แสดงว่าเมื่อตัวแปรหนึ่งเพิ่มขึ้น ตัวแปรอีกตัวจะลดลง

ความสัมพันธ์ระหว่างตัวแปรสองตัวสามารถแบ่งออกเป็นสามประเภทตามความแข็งแกร่งของความสัมพันธ์ได้เช่นกัน:

1. ความสัมพันธ์ที่แข็งแกร่ง: ค่าสัมประสิทธิ์ใกล้เคียงกับ -1 หรือ 1
2. ความสัมพันธ์ระดับปานกลาง: ค่าสัมประสิทธิ์อยู่ระหว่าง -0.5 ถึง -1 หรือ 0.5 ถึง 1
3. ความสัมพันธ์อ่อน: ค่าสัมประสิทธิ์ใกล้เคียงกับ 0

วิธีการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์

มีวิธีการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์หลายวิธีที่ใช้กันทั่วไป ได้แก่ สหสัมพันธ์ของเพียร์สัน สหสัมพันธ์ของสเปียร์แมน และสหสัมพันธ์ของเคนดัล เราจะมาอธิบายแต่ละวิธีโดยละเอียดกัน

1. สัมประสิทธิ์สหสัมพันธ์เพียร์สัน
สัมประสิทธิ์สหสัมพันธ์เพียร์สันมักใช้เมื่อตัวแปรทั้งสองเป็นตัวแปรต่อเนื่องและมีการกระจายแบบปกติ สูตรสำหรับสัมประสิทธิ์สหสัมพันธ์เพียร์สันคือ:

\[ r = \frac {n(\Sigma xy) – (\Sigma x)(\Sigma y)}{ \sqrt{ [n \Sigma x^2 – (\Sigma x)^2] [n \Sigma y^2 – (\Sigma y)^2 ] } } \]

ดี มานา:
– r = สัมประสิทธิ์สหสัมพันธ์
– n = จำนวนคู่ข้อมูล
– \( \Sigma xy \) = ผลรวมของผลคูณของคู่ข้อมูล \( x \) และ \( y \),
– \( \Sigma x \) = ผลรวมของค่า ​​( x \),
– \( \Sigma y \) = ผลรวมของค่า ​​( y \),
– \( \Sigma x^2 \) = ผลรวมของกำลังสองของ \( x \),
– \( \Sigma y^2 \) = ผลรวมของกำลังสองของ \( y \).

2. ค่าสัมประสิทธิ์สหสัมพันธ์ลำดับของสเปียร์แมน
สัมประสิทธิ์สหสัมพันธ์สเปียร์แมนใช้สำหรับข้อมูลเชิงลำดับ หรือเมื่อไม่สามารถปฏิบัติตามข้อสมมติฐานเรื่องการกระจายแบบปกติได้ สหสัมพันธ์สเปียร์แมนนั้นพิจารณาจากลำดับของค่าข้อมูลมากกว่าค่าจริง สูตรสำหรับสัมประสิทธิ์สหสัมพันธ์สเปียร์แมนคือ:

\[ \rho = 1 – \frac {6\Sigma d_i^2}{n(n^2-1)} \]

ดี มานา:
– ρ = สัมประสิทธิ์สหสัมพันธ์ของสเปียร์แมน
– d_i = ผลต่างระหว่างลำดับของคู่ข้อมูล x และ y
– n = จำนวนคู่ข้อมูล

3. ค่าสัมประสิทธิ์สหสัมพันธ์เทาของเคนดัลล์
สัมประสิทธิ์สหสัมพันธ์ของ Kendall ใช้วัดความแข็งแกร่งของความสัมพันธ์ระหว่างตัวแปรเชิงลำดับสองตัว แตกต่างจากสัมประสิทธิ์สหสัมพันธ์ของ Spearman ตรงที่สัมประสิทธิ์สหสัมพันธ์ของ Kendall เน้นที่จำนวนคู่ที่สอดคล้องกันและไม่สอดคล้องกันมากกว่า สูตรสำหรับสัมประสิทธิ์สหสัมพันธ์ของ Kendall คือ:

\[ \tau = \frac{ (C – D)} { \sqrt{(C + D + T) (C + D + U) } } \]

ดี มานา:
– \( \tau \) = สัมประสิทธิ์สหสัมพันธ์ของ Kendall
– \( C \) = จำนวนคู่ที่สอดคล้องกัน
– \( D \) = จำนวนคู่ที่ไม่สอดคล้องกัน
– \( T \) = จำนวนคู่อนุกรมในตัวแปร \( x \),
– \( U \) = จำนวนคู่อนุกรมในตัวแปร \( y \).

การตีความค่าสัมประสิทธิ์สหสัมพันธ์

การตีความค่าสัมประสิทธิ์สหสัมพันธ์ขึ้นอยู่กับค่าของสัมประสิทธิ์ที่ได้มา:

– ค่าสัมประสิทธิ์ +1: ความสัมพันธ์เชิงบวกที่สมบูรณ์แบบ
– ค่าสัมประสิทธิ์ 0.7 ถึง 0.9: ความสัมพันธ์เชิงบวกที่แข็งแกร่ง
– ค่าสัมประสิทธิ์ 0.4 ถึง 0.6: ความสัมพันธ์เชิงบวกปานกลาง
– ค่าสัมประสิทธิ์ 0.1 ถึง 0.3: ความสัมพันธ์เชิงบวกที่อ่อนแอ
– ค่าสัมประสิทธิ์ 0: ไม่มีความสัมพันธ์
– ค่าสัมประสิทธิ์ -0.1 ถึง -0.3: ความสัมพันธ์เชิงลบที่อ่อนแอ
– ค่าสัมประสิทธิ์ -0.4 ถึง -0.6: ความสัมพันธ์เชิงลบระดับปานกลาง
– ค่าสัมประสิทธิ์ -0.7 ถึง -0.9: ความสัมพันธ์เชิงลบที่แข็งแกร่ง
– ค่าสัมประสิทธิ์ -1: ความสัมพันธ์เชิงลบที่สมบูรณ์แบบ

การประยุกต์ใช้สัมประสิทธิ์สหสัมพันธ์

ค่าสัมประสิทธิ์สหสัมพันธ์มีการประยุกต์ใช้ในวงกว้างในหลากหลายสาขา รวมถึงเศรษฐศาสตร์ สังคมศาสตร์ สุขภาพ การศึกษา และอื่นๆ อีกมากมาย ตัวอย่างบางส่วนมีดังนี้:

1. เศรษฐศาสตร์: การหาความสัมพันธ์ระหว่างอัตราเงินเฟ้อและอัตราการว่างงาน หรือระหว่างการใช้จ่ายของผู้บริโภคและรายได้
2. สังคมศาสตร์: การหาความสัมพันธ์ระหว่างการศึกษาและรายได้ หรือระหว่างสื่อสังคมออนไลน์และสุขภาวะทางจิตใจ
3. สุขภาพ: เปรียบเทียบความสัมพันธ์ระหว่างพฤติกรรมการสูบบุหรี่กับจำนวนผู้ป่วยมะเร็งปอด หรือระหว่างการมีไลฟ์สไตล์ที่กระฉับกระเฉงกับสุขภาพหัวใจ
4. การศึกษา: การตรวจสอบความสัมพันธ์ระหว่างเวลาเรียนกับผลการสอบ หรือระหว่างขนาดชั้นเรียนกับผลสัมฤทธิ์ทางการเรียนของนักเรียน

ตัวอย่างการใช้งานจริงโดยใช้ชุดข้อมูล

สมมติว่าเรามีชุดข้อมูลที่ประกอบด้วยคะแนนสอบวิชาคณิตศาสตร์และเวลาเรียน (หน่วยเป็นชั่วโมง) ของนักเรียน 10 คน ดังนี้:
““
นักเรียนใช้เวลาเรียนวิชาคณิตศาสตร์ ได้เกรดดี
1 5 85
2 3 78
3 6 90
4 2 76
5 4 80
6 6 88
7 5 85
8 3 82
9 7 91
10 5 87
““
เราสามารถคำนวณค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันระหว่างชั่วโมงเรียนและคะแนนวิชาคณิตศาสตร์ได้ โดยใช้สูตรของเพียร์สัน เราจะคำนวณค่า \( \Sigma x \), \( \Sigma y \), \( \Sigma xy \), \( \Sigma x^2 \) และ \( \Sigma y^2 \) ก่อน จากนั้นจึงแทนค่าเหล่านี้ลงในสูตรเพื่อหาค่า \( r \)

บทสรุป

สัมประสิทธิ์สหสัมพันธ์เป็นเครื่องมือที่มีประสิทธิภาพในการวิเคราะห์ข้อมูลเพื่อกำหนดความแข็งแกร่งและทิศทางของความสัมพันธ์ระหว่างตัวแปรสองตัว การทำความเข้าใจแนวคิด วิธีการคำนวณ และการตีความสัมประสิทธิ์สหสัมพันธ์เป็นสิ่งสำคัญสำหรับการวิเคราะห์ข้อมูลที่มีประสิทธิภาพ ด้วยความเข้าใจที่ถูกต้อง เราสามารถกำหนดความสัมพันธ์ระหว่างตัวแปรในสาขาต่างๆ ได้ดียิ่งขึ้น และตัดสินใจโดยใช้ข้อมูลได้อย่างมีข้อมูลมากขึ้น