Correlazione di Pearson r: La correlazione di Pearson r è la statistica di correlazione più utilizzata per misurare il grado della relazione tra variabili linearmente correlate. Ad esempio, nel mercato azionario, se vogliamo misurare come due titoli sono correlati tra loro, Pearson r correlazione viene utilizzato per misurare il grado di relazione tra i due. La correlazione punto-biseriale è condotta con la formula di correlazione di Pearson tranne che una delle variabili è dicotomica., Viene utilizzata la seguente formula per calcolare la correlazione r di Pearson:
rxy = r di Pearson e il coefficiente di correlazione tra x e y
n = numero di osservazioni
xi = valore di x (per la i-esima osservazione)
yi = valore di y (per la i-esima osservazione)
i Tipi di domande di ricerca di una correlazione di Pearson possibile esaminare:
c’È una relazione statisticamente significativa tra età, misurato in anni, e l’altezza, misurata in pollici?,
Esiste una relazione tra la temperatura, misurata in gradi Fahrenheit, e le vendite di gelati, misurate dal reddito?
Esiste una relazione tra la soddisfazione lavorativa, misurata dal JSS, e il reddito, misurato in dollari?
Ipotesi
Per la correlazione di Pearson r, entrambe le variabili dovrebbero essere normalmente distribuite (le variabili normalmente distribuite hanno una curva a campana). Altre ipotesi includono linearità e omoscedasticità., La linearità assume una relazione retta tra ciascuna delle due variabili e l’omoscedasticità presuppone che i dati siano equamente distribuiti sulla linea di regressione.
Condurre e Interpretare una Correlazione di Pearson
Termini Chiave
dimensione dell’Effetto: Cohen standard può essere utilizzato per valutare il coefficiente di correlazione per determinare la forza della relazione, o la dimensione dell’effetto. Coefficienti di correlazione tra .10 e .29 rappresentano una piccola associazione, coefficienti tra .30 e .49 rappresentano un’associazione media e coefficienti di .,50 e superiori rappresentano una grande associazione o relazione.
Dati continui: dati a livello di intervallo o rapporto. Questo tipo di dati possiede le proprietà di grandezza e intervalli uguali tra unità adiacenti. Intervalli uguali tra unità adiacenti significa che ci sono quantità uguali della variabile misurata tra unità adiacenti sulla scala. Un esempio potrebbe essere l’età. Un aumento dell’età da 21 a 22 sarebbe lo stesso di un aumento dell’età da 60 a 61.,
Kendall rank correlazione: Kendall rank correlazione è un test non parametrico che misura la forza di dipendenza tra due variabili. Se consideriamo due campioni, a e b, dove ogni dimensione del campione è n, sappiamo che il numero totale di abbinamenti con a b è n (n-1)/2., Viene utilizzata la seguente formula per calcolare il valore di Kendall correlazione di rango:
Nc= numero di concordanti
Nd= Numero di discordanti
Condurre e Interpretare un Kendall Correlazione
Termini Chiave
Concordanti: Ordinato nello stesso modo.
Discordante: ordinato in modo diverso.
Spearman rank correlazione: Spearman rank correlazione è un test non parametrico che viene utilizzato per misurare il grado di associazione tra due variabili., Il test di correlazione del rango di Spearman non comporta alcuna ipotesi sulla distribuzione dei dati ed è l’analisi di correlazione appropriata quando le variabili sono misurate su una scala almeno ordinale.,
si utilizza La seguente formula per calcolare il rango di Spearman di correlazione:
ρ= correlazione di rango di Spearman
di= la differenza tra le fila delle corrispondenti variabili
n= numero di osservazioni
i Tipi di domande di ricerca di una Correlazione di Spearman in grado di esaminare:
c’È una relazione statisticamente significativa tra il grado di istruzione dei partecipanti (scuola superiore, laurea o laurea) e il loro stipendio di partenza?,
Esiste una relazione statisticamente significativa tra la posizione finale di un cavallo e l’età del cavallo?
Ipotesi
Le ipotesi della correlazione di Spearman sono che i dati devono essere almeno ordinali e i punteggi su una variabile devono essere monotonicamente correlati all’altra variabile.
Condurre e Interpretare una Correlazione di Spearman
Termini Chiave
dimensione dell’Effetto: Cohen standard può essere utilizzato per valutare il coefficiente di correlazione per determinare la forza della relazione, o la dimensione dell’effetto. Coefficienti di correlazione tra .,10 e .29 rappresentano una piccola associazione, coefficienti tra .30 e .49 rappresentano un’associazione media e coefficienti di .50 e superiori rappresentano una grande associazione o relazione.
Dati ordinali: In una scala ordinale, i livelli di una variabile sono ordinati in modo tale che un livello possa essere considerato più alto/più basso di un altro. Tuttavia, l’entità della differenza tra i livelli non è necessariamente nota. Un esempio potrebbe essere il grado che ordina i livelli di istruzione. Una laurea è superiore a un diploma di laurea, e un diploma di laurea è superiore a un diploma di scuola superiore., Tuttavia, non possiamo quantificare quanto più alto è un diploma di laurea rispetto a un diploma di laurea. Inoltre, non possiamo dire che la differenza di istruzione tra un diploma di laurea e un diploma di laurea sia la stessa differenza tra un diploma di laurea e un diploma di scuola superiore.
Risorse di correlazione:
Bobko, P. (2001). Correlazione e regressione: Applicazioni per la psicologia e la gestione organizzativa industriale (2a ed.). Thousand Oaks, CA: Sage Publications. Per ulteriori informazioni, consultare il sito
Chen, P. Y., & Popovich, P. M. (2002). Correlation: Parametric and nonparametric measures. Thousand Oaks, CA: Sage Publications. View
Kendall, M. G., & Gibbons, J. D. (1990). Rank Correlation Methods (5th ed.). London: Edward Arnold., Vista
Pagine Correlate:
- Tabella dei Valori Critici: Correlazione di Pearson
- Condurre e Interpretare una Correlazione di Rango di Spearman
- Condurre e Interpretare Bivariata (Pearson) Correlazione
