Korelasyon Analizi ile İlgili Örnek Sorular ve Tartışma
Korelasyon analizi, iki değişken arasındaki ilişki derecesini belirlemek için kullanılan istatistiksel bir yöntemdir. Bu analiz, iki değişkenin ne kadar yakın ilişkili olduğunu anlamak için ekonomi, psikoloji, tıp ve sosyoloji de dahil olmak üzere çeşitli disiplinlerde sıklıkla kullanılır. Bu makalede, korelasyon analizi kavramını anlamaya yardımcı olmak için çeşitli örnek problemler ve tartışmalar ele alınacaktır.
Korelasyon Analizini Anlamak
Korelasyon analizi, iki sayısal değişken arasındaki ilişkinin gücünü ve yönünü ölçmek için kullanılır. Bu korelasyon değeri genellikle -1 ile 1 arasında değişebilen bir korelasyon katsayısı kullanılarak ifade edilir. Bu değerler şu şekilde yorumlanabilir:
– +1 : Mükemmel pozitif korelasyon. Her iki değişken de aynı yönde hareket ediyor.
– 0 : Korelasyon yok. İki değişken arasında net bir doğrusal ilişki bulunmamaktadır.
– -1 : Mükemmel negatif korelasyon. Her iki değişken de zıt yönlerde hareket eder.
En yaygın kullanılan korelasyon katsayısı Pearson korelasyonudur. Bununla birlikte, sıralı veya doğrusal olmayan veriler için daha uygun olan Spearman ve Kendall gibi başka korelasyon yöntemleri de vardır.
Korelasyon Analizi Adımları
1. Veri Toplama: Analiz edilecek iki değişken için veri toplayın.
2. Veri Görselleştirme: İki değişken arasındaki ilişki örüntüsünü görmek için bir dağılım grafiği oluşturun.
3. Korelasyon Katsayısının Hesaplanması: Pearson, Spearman veya Kendall korelasyon katsayısını hesaplayın.
4. Sonuçların Yorumlanması: Korelasyon katsayısı değerine dayanarak ilişkinin gücünü ve yönünü belirleyin.
5. Anlamlılık Testi: Bulunan korelasyonun istatistiksel olarak anlamlı olup olmadığını belirleyin.
Contoh Soal ve Pembahasan
Soru 1: Pearson Korelasyonu
Aşağıda 5 kişinin boy (cm) ve kilo (kg) bilgileri verilmiştir:
| Kişi | Boy (cm) | Ağırlık (kg) |
|——-|————-|————|
| A | 160 | 55 |
| B | 165 | 60 |
| C | 170 | 65 |
| D | 175 | 70 |
| E | 180 | 75 |
Veriler için Pearson korelasyon katsayısını hesaplayın.
Tartışma:
1. Ortalamanın Hesaplanması:
– Ortalama boy (X̄) = (160 + 165 + 170 + 175 + 180) / 5 = 170
– Ortalama ağırlık (Ȳ) = (55 + 60 + 65 + 70 + 75) / 5 = 65
2. Ortalamadan Sapmanın Hesaplanması:
– Yüksek sapma: (160 – 170), (165 – 170), (170 – 170), (175 – 170), (180 – 170)
– Ciddi sapma: (55 – 65), (60 – 65), (65 – 65), (70 – 65), (75 – 65)
3. Sapma Çarpımının Hesaplanması:
– (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
Toplam = 100 + 25 + 0 + 25 + 100 = 250
4. Sapmanın Karesinin Hesaplanması:
– Yükseklik: (160-170)², (165-170)², (170-170)², (175-170)², (180-170)²
– Ağırlık: (55-65)², (60-65)², (65-65)², (70-65)², (75-65)²
Yükseklik için:
– (160-170)² = 100
– (165-170)² = 25
– (170-170)² = 0
– (175-170)² = 25
– (180-170)² = 100
Toplam = 100 + 25 + 0 + 25 + 100 = 250
Ağırlık için:
– (55-65)² = 100
– (60-65)² = 25
– (65-65)² = 0
– (70-65)² = 25
– (75-65)² = 100
Toplam = 100 + 25 + 0 + 25 + 100 = 250
5. Pearson Korelasyon Katsayısının Hesaplanması:
\[
r = \frac{\sum ((X – X̄)(Y – Ȳ))}{\sqrt{\sum (X – X̄)² \sum (Y – Ȳ)²}}
\]
\[
r = \frac{250}{\sqrt{250 \times 250}} = \frac{250}{250} = 1
\]
Yorum: Pearson korelasyon katsayısının 1 olması, boy ve kilo arasında mükemmel bir pozitif ilişki olduğunu gösterir.
Soru 2: Spearman Korelasyonu
İki değişkenin sıralama verileri aşağıdaki gibidir:
| Kişi | Değişken X | Değişken Y |
|——-|————|————|
| A | 1 | 3 |
| B | 2 | 1 |
| C | 3 | 4 |
| D | 4 | 2 |
| E | 5 | 5 |
Verilere dayanarak Spearman korelasyon katsayısını hesaplayın.
Tartışma:
1. Sıralama Farkının Hesaplanması (d):
– X ve Y Sıralaması İçin:
– A: 1 – 3 = -2
– B: 2 – 1 = 1
– C: 3 – 4 = -1
– D: 4 – 2 = 2
– E: 5 – 5 = 0
2. Sıralama Farkının Karesinin Hesaplanması (d²):
– (-2)² = 4
– (1)² = 1
– (-1)² = 1
– (2)² = 4
– (0)² = 0
Toplam (Σd²) = 4 + 1 + 1 + 4 + 0 = 10
3. Spearman Korelasyon Katsayısının Hesaplanması:
\[
r_s = 1 – \frac{6 \sum d^2}{n(n^2 – 1)}
\]
\[
r_s = 1 – \frac{6 \times 10}{5(5^2 – 1)} = 1 – \frac{60}{120} = 1 – 0.5 = 0.5
\]
Yorum: Spearman korelasyon katsayısının 0.5 değeri, X ve Y değişkenleri arasında orta düzeyde pozitif bir ilişki olduğunu göstermektedir.
Sonuç
Yukarıdaki örneklerden, korelasyon analizinin iki değişken arasındaki ilişkinin gücünü ve yönünü belirlemek için nasıl kullanılabileceğini görüyoruz. Doğrusal ilişkiye sahip sayısal veriler için Pearson korelasyon katsayısı kullanılırken, sıralı veya doğrusal olmayan veriler için Spearman korelasyon katsayısı kullanılır. Bu teknikleri anlayarak ve ustalaşarak, verileri daha iyi analiz edebilir ve çeşitli çalışma alanlarında daha doğru çıkarımlar yapabiliriz.
