Korelasyon Katsayısının Belirlenmesi: Giriş, Yöntemler ve Uygulamalar
Korelasyon katsayısı, bir veri kümesindeki iki değişken arasındaki ilişkinin gücünü belirleyen istatistiksel bir ölçüdür. Korelasyon değerleri -1 ile 1 arasında değişir. 1 veya -1'e yakın bir katsayı değeri, iki değişken arasında güçlü bir ilişki olduğunu gösterir. 0'a yakın bir katsayı değeri ise iki değişken arasında güçlü bir ilişki olmadığını gösterir. Bu makalede korelasyon katsayısı, hesaplanma yöntemleri, yorumlanması ve çeşitli alanlardaki uygulamaları ele alınacaktır.
Korelasyon Katsayısına Giriş
Korelasyon katsayısı, iki değişkenin ne kadar yakın ilişkili olduğunu sayısal olarak gösterir. Korelasyon katsayıları, ilişkinin yönüne göre iki ana tipe ayrılır:
1. Pozitif Korelasyon Katsayısı: Bir değişken arttığında diğer değişkenin de arttığını gösterir.
2. Negatif Korelasyon Katsayısı: Bir değişken arttığında diğer değişkenin azaldığını gösterir.
İki değişken arasındaki ilişki, ilişkinin gücüne bağlı olarak üç tipe ayrılabilir:
1. Güçlü Korelasyon: Katsayı -1 veya 1'e yakındır.
2. Orta Düzey Korelasyon: Katsayı -0.5 ile -1 veya 0.5 ile 1 arasındadır.
3. Zayıf Korelasyon: Katsayı 0'a yakındır.
Korelasyon Katsayısını Hesaplama Yöntemi
Korelasyon katsayısını hesaplamak için Pearson korelasyonu, Spearman korelasyonu ve Kendall korelasyonu dahil olmak üzere çeşitli yaygın yöntemler kullanılır. Bu yöntemlerin her birini daha ayrıntılı olarak ele alalım.
1. Pearson Korelasyonu
Pearson korelasyon katsayısı, her iki değişken de sürekli ve normal dağılıma sahip olduğunda sıklıkla kullanılır. Pearson korelasyon katsayısının formülü şöyledir:
\[ r = \frac {n(\Sigma xy) – (\Sigma x)(\Sigma y)}{ \sqrt{ [n \Sigma x^2 – (\Sigma x)^2] [n \Sigma y^2 – (\Sigma y)^2 ] } } \]
Mana'da:
– \( r \) = korelasyon katsayısı,
– \( n \) = veri çifti sayısı,
– \( \Sigma xy \) = veri çiftleri \( x \) ve \( y \)'nin çarpımlarının toplamı,
– \( \Sigma x \) = değerlerin toplamı \( x \),
– \( \Sigma y \) = \( y \) değerlerinin toplamı
– \( \Sigma x^2 \) = \( x \)'in karelerinin toplamı,
– \( \Sigma y^2 \) = \( y \)'nin karelerinin toplamı.
2. Spearman Sıralama Korelasyonu
Spearman korelasyon katsayısı, sıralı veriler için veya normallik varsayımının karşılanamadığı durumlarda kullanılır. Spearman korelasyonu, verilerin gerçek değerlerinden ziyade sıralamasına dayanır. Spearman korelasyon katsayısının formülü şöyledir:
\[ \rho = 1 – \frac {6\Sigma d_i^2}{n(n^2-1)} \]
Mana'da:
– \( \rho \) = Spearman korelasyon katsayısı,
– \( d_i \) = veri çiftleri \( x \) ve \( y \)'nin sıralamaları arasındaki fark,
– \( n \) = veri çifti sayısı.
3. Kendall'ın Tau Korelasyonu
Kendall korelasyon katsayısı, iki sıralı değişken arasındaki ilişkinin gücünü ölçer. Spearman'ın aksine, Kendall korelasyonu daha çok uyumlu ve uyumsuz çiftlerin sayısına odaklanır. Kendall korelasyon katsayısının formülü şöyledir:
\[ \tau = \frac{ (C – D)} { \sqrt{(C + D + T) (C + D + U) } } \]
Mana'da:
– \( \tau \) = Kendall korelasyon katsayısı,
– \( C \) = uyumlu çiftlerin sayısı,
– \( D \) = uyumsuz çiftlerin sayısı,
– \( T \) = \( x \) değişkenindeki seri çiftlerinin sayısı,
– \( U \) = \( y \) değişkenindeki seri çiftlerinin sayısı.
Korelasyon Katsayısının Yorumlanması
Korelasyon katsayısının yorumlanması, elde edilen katsayının değerine bağlıdır:
– Katsayı +1: Mükemmel pozitif ilişki.
– Katsayı 0.7 ile 0.9 arası: Güçlü pozitif ilişki.
– Katsayı 0.4 ile 0.6 arası: Orta düzeyde pozitif ilişki.
– Katsayı 0.1 ile 0.3 arası: Zayıf pozitif ilişki.
– Katsayı 0: Hiçbir ilişki yok.
– Katsayı -0.1 ile -0.3 arası: Zayıf negatif ilişki.
– Katsayı -0.4 ile -0.6 arası: Orta düzeyde negatif ilişki.
– Katsayı -0.7 ile -0.9 arası: Güçlü negatif ilişki.
– Katsayı -1: Mükemmel negatif ilişki.
Korelasyon Katsayısı Uygulaması
Korelasyon katsayısı, ekonomi, sosyal bilimler, sağlık, eğitim ve daha birçok alanda geniş bir uygulama yelpazesine sahiptir. İşte bazı örnekler:
1. Ekonomi: Enflasyon ve işsizlik arasındaki veya tüketici harcamaları ve gelir arasındaki ilişkiyi belirlemek.
2. Sosyal Bilimler: Eğitim ve gelir arasındaki ilişkiyi veya sosyal medya ve psikolojik iyilik hali arasındaki ilişkiyi belirlemek.
3. Sağlık: Sigara alışkanlığı ile akciğer kanseri vakaları arasındaki ilişkiyi veya aktif bir yaşam tarzı ile kalp sağlığı arasındaki ilişkiyi karşılaştırmak.
4. Eğitim: Çalışma süresi ile sınav sonuçları veya sınıf mevcudu ile öğrenci başarısı arasındaki ilişkiyi incelemek.
Veri Kümeleri Kullanılarak Uygulanabilecek Pratik Örnekler
Diyelim ki elimizde 10 öğrencinin matematik test puanlarını ve çalışma sürelerini (saat olarak) içeren aşağıdaki gibi bir veri seti var:
"
Öğrencilerin Çalışma Saatleri Matematik Notları
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
"
Çalışma Saatleri ve Matematik Puanı arasındaki Pearson korelasyon katsayısını hesaplayabiliriz. Pearson formülünü kullanarak önce \( \Sigma x \), \( \Sigma y \), \( \Sigma xy \), \( \Sigma x^2 \) ve \( \Sigma y^2 \) değerlerini hesaplayıp, daha sonra bu değerleri formüle yerleştirerek \( r \) değerini elde ederiz.
Sonuç
Korelasyon katsayısı, iki değişken arasındaki ilişkinin gücünü ve yönünü belirlemek için veri analizinde güçlü bir araçtır. Korelasyon katsayısının kavramını, hesaplama yöntemlerini ve yorumunu anlamak, etkili veri analizi için çok önemlidir. Doğru bir anlayışla, çeşitli alanlardaki değişkenler arasındaki korelasyonları daha iyi belirleyebilir ve daha bilinçli, veriye dayalı kararlar alabiliriz.
