Mahsulot momenti korrelyatsiyasi: o'zgaruvchilar orasidagi chiziqli munosabatni o'rganish
Ko'paytma-moment korrelyatsiyasi, ko'pincha Pearson korrelyatsiyasi deb ataladi, ikkita sonli o'zgaruvchi o'rtasidagi chiziqli bog'liqlikning kuchi va yo'nalishini o'lchash uchun eng ko'p qo'llaniladigan statistik usullardan biridir. 19-asr oxirida Karl Pearson tomonidan ixtiro qilingan bu usul psixologiya, iqtisodiyot, biologiya va ijtimoiy fanlar kabi turli fanlarda muhim vosita bo'lib qolmoqda.
Ta'rif va asosiy tushunchalar
Mahsulot momenti korrelyatsiyasi ikkita o'zgaruvchining o'zaro bog'liqlik darajasini o'lchaydi. r bilan belgilangan Pearson korrelyatsiya koeffitsienti -1 dan +1 gacha. +1 qiymati mukammal musbat chiziqli munosabatni bildiradi, bunda bitta o'zgaruvchining ortishi ikkinchisining ortishi bilan birga keladi. -1 qiymati mukammal manfiy chiziqli munosabatni bildiradi, bunda bitta o'zgaruvchining ortishi ikkinchisining kamayishi bilan birga keladi. Boshqa tomondan, 0 qiymati o'zgaruvchilar o'rtasida chiziqli munosabat yo'qligini bildiradi.
Pearson korrelyatsiya koeffitsientini hisoblash
Pearson korrelyatsiya koeffitsientini hisoblash formulasi quyidagicha:
\[ r = \frac{N(\sum XY) – (\sum X)(\sum Y)}{\sqrt{[N \sum X^2 – (\sum
Qayerda:
– \( N \) ma'lumotlar juftliklari soni.
– \(X \) va \(Y \) birinchi va ikkinchi o'zgaruvchilarning qiymatlari.
– \( \sum XY \) \(X \) va \(Y \) ballarining ko'paytmalari yig'indisidir.
– \( \sum X \) va \( \sum Y \) \( X \) va \( Y \) qiymatlarining yig'indisidir.
– \( \sum X^2 \) va \( \sum Y^2 \) \( X \) va \( Y \) qiymatlarining kvadratlari yig'indisidir.
Natijalarni talqin qilish
\(r\) qiymatini hisoblab chiqqandan so'ng, keyingi qadam natijalarni sharhlashdir:
– \( r \) = +1: Mukammal ijobiy munosabat.
– \( r \) = -1: Mutlaqo salbiy munosabat.
– \( 0 < r < +1 \): Zaifdan kuchligacha bo'lgan ijobiy munosabatlar.
- \( -1 < r < 0 \ ): Zaifdan kuchligacha bo'lgan salbiy munosabat.
- \(r \) = 0: O'zgaruvchilar o'rtasida chiziqli bog'liqlik mavjud emas.
Umuman olganda, \(r \) qiymatining kattaligi, shuningdek, munosabatlarning mustahkamligi mezonlari bilan bog'liq, masalan: - \(0.00 - 0.19 \): Juda past korrelyatsiya.
- \( 0.20 - 0.39 \): Past korrelyatsiya.
- \( 0.40 - 0.59 \): O'rtacha korrelyatsiya.
- \( 0.60 - 0.79 \): Kuchli korrelyatsiya.
- \( 0.80 - 1.00 \): Juda kuchli korrelyatsiya.
Biroq, bu mezonlar standart emas va foydalanilgan fan konteksti va sohasiga qarab farq qilishi mumkin.
Turli sohalarda qo'llanilishi Pearson korrelyatsiyasi turli sohalarda keng qo'llaniladi. Masalan, psixologiyada shaxsning ikki jihati o'rtasidagi munosabatni o'lchash; iqtisodiyotda daromad va iste'mol kabi ikkita iqtisodiy o'zgaruvchi o'rtasidagi munosabatni baholash; biologiyada ikkita biologik xususiyat o'rtasidagi munosabatni ko'rib chiqish.
Masalan, tadqiqotchi stress va uyqu sifati o'rtasida bog'liqlik bor-yo'qligini bilishni xohlashi mumkin. Tadqiqotchilar bir qator odamlardan stress darajasi va uyqu sifati haqida ma'lumot to'plash va Pearson korrelyatsiyasidan foydalanish orqali bu ikki o'zgaruvchi o'rtasida statistik jihatdan ahamiyatli nisbat bor-yo'qligini aniqlashlari mumkin.
Cheklovlar va mulohazalar Pearson korrelyatsiyasi kuchli vosita bo'lsa-da, bir nechta cheklovlarni hisobga olish kerak: 1. Chiziqlilik taxmini: Pearson faqat chiziqli munosabatlar uchun mos keladi. Agar o'zgaruvchilar orasidagi bog'liqlik chiziqli bo'lmasa, u Pearson korrelyatsiya koeffitsienti bilan yaxshi ifodalanmaydi. Bunday vaziyatlarda boshqa korrelyatsiya usullari yoki chiziqli bo'lmagan tahlil ko'proq mos kelishi mumkin.
2. Chetga chiqishlarga sezgirlik: Ekstremal qiymatlar yoki chetga chiqishlar korrelyatsiya koeffitsienti qiymatiga sezilarli ta'sir ko'rsatishi mumkin. Shuning uchun, ma'lumotlarni tahlil qilishda chetga chiqishni aniqlash va qayta ishlash juda muhimdir.
3. Sabab-oqibatni ko'rsatmaydi: Korrelyatsiya sabab-oqibat bilan bir xil emas. Ikkita o'zgaruvchi o'zaro bog'liq bo'lgani uchun, bitta o'zgaruvchi boshqa o'zgaruvchida o'zgarishlarga olib keladi degani emas. Shuning uchun korrelyatsiya natijalari ehtiyotkorlik bilan tahlil qilinishi kerak va sababiy munosabatlarni aniqlash uchun qo'shimcha tadqiqotlar talab qilinishi mumkin.
Pearson korrelyatsiyasiga alternativalar Pearson korrelyatsiyasidan tashqari, ma'lumotlar shartlari va turiga qarab qo'llanilishi mumkin bo'lgan yana bir qancha korrelyatsiya usullari mavjud: - Spearman korrelyatsiyasi: Tartibli ma'lumotlar yoki normallik va chiziqlilik taxminlariga javob bermaydigan ma'lumotlar uchun ishlatiladi. Spirman korrelyatsiyasi ikki o'zgaruvchi o'rtasidagi monoton munosabatlarning kuchini va yo'nalishini o'lchaydi.
- Kendall korrelyatsiyasi: Shuningdek, tartibli ma'lumotlar yoki normal bo'lmagan ma'lumotlar uchun. U ikkita ma'lumotlar darajasi o'rtasidagi kelishuv darajasini hisoblaydi.
Xulosa Mahsulot momenti korrelyatsiyasi yoki Pearson korrelyatsiyasi ma'lumotlar tahlilida tadqiqotchilarga ikkita sonli o'zgaruvchi o'rtasidagi chiziqli munosabatni tushunishga imkon beradigan muhim vositadir. Korrelyatsiya koeffitsientini hisoblash va talqin qilish o'zgaruvchilar o'rtasidagi bog'liqlikning kuchi va yo'nalishi haqida qimmatli ma'lumotlarni beradi. Biroq, korrelyatsiya sababiy bog'liqlikni anglatmasligini va tahlil natijalarini umumiy kontekstda ko'rib chiqish kerakligini yodda tutish muhimdir. Pearson korrelyatsiyasidan oqilona foydalanish orqali tadqiqotchilar o'rganayotgan ma'lumotlardan aniqroq va tegishli umumlashtirishlar qilishlari mumkin.
