Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 4 Pojęcie korelacji

background image

Pojęcie korelacji
szukanie związku
między dwiema
zmiennymi

Wykład 3

background image

Co to oznacza że dwie zmienne
korelują ze sobą

Oznacza to, że ich wyniki zmieniają się
wspólnie

Jeśli zmieniają się wyniki na jednej
zmiennej, wyniki na drugiej zmieniają się w
przewidywalny sposób

Innymi słowy zmienne te nie są niezależne
od siebie

rączki

background image

Wykres rozrzutu

Zazwyczaj używa się tego rodzaju wykresu do
pokazania współzależności pomiędzy dwoma
zmiennymi

Dwa wymiary pokazujące rozkład wyników dla
dwóch zmiennych

Każdy wymiar pokazuje wartości liczbowe
danej zmiennej

uwaga: najlepiej przedstawiać na tym typie
wykresu dane na mierzone, co najmniej, na
skali przedziałowej

background image

Cel przeprowadzenia analizy
korelacji

Sprawdzenie czy istnieje związek
między dwiema zmiennymi

Określenie kierunku związku

Czy jest pozytywny, negatywny, czy równy zeru

Określenie siły związku między dwiema
zmiennymi

od 0 do 1 – bez względu na znak

background image

Kierunek związku

Pozytywny

Wysokim wynikom na jednej zmiennej

towarzyszą wysokie wyniki na drugiej zmiennej;

a niskim wynikom na jednej – niskie na drugiej

Negatywny

Wysokim wynikom na jednej zmiennej

towarzyszą niskie na innej

sufit

Korelacja = zero

Oznacza, że nie ma liniowego związku między

zmiennymi

background image

Kierunek związku

Związek między poziomem bezrobocia
a występkami

Szybkość mówienia prowadzącego
zajęcia a poziom zrozumienia materiału

Wiek siostry i brata

background image

BRAT

14

12

10

8

6

4

2

S

IO

S

T

R

A

12

10

8

6

4

2

0

Idealna pozytywna korelacja

background image

ZLOTOWKI

10

9

8

7

6

5

4

3

2

1

0

B

A

T

O

N

IK

I

10

9

8

7

6

5

4

3

2

1

0

Idealna negatywna korelacja

background image

Siła korelacji – współczynnik
korelacji

Współczynnik korelacji może
przyjmować warości z przedziału:

(0; 1) , plus – pozytywna, 1 idealna

(-1; 0), minus – ujemny związek, 1 idealny

+1 =idealny związek

-1 = idelany związek

To, że współczynnik korelacji jest ujemny
nie oznacza, że jest mniej istotny, czy silny,
niż pozytywny

background image

-1

idealna

+1

-0,9

+0,9

-0,8

silna

+0,8

-0,7

+0,7

-0,6

+0,6

-0,5

umiarkowana

+0,5

-0,4

+0,4

-0,3

słaba

+0,3

-0,2

+0,2

-0,1

+0,1

0

Współczynnik korelacji pokazuje jak bardzo punkty są skupione

background image

WIEK

70

60

50

40

30

20

10

W

IE

D

ZA

40

30

20

10

0

Korelacja umiarkowana r=0,54

background image

ciekawość poznawcza

18

16

14

12

10

8

6

4

2

un

ik

an

ie

w

ys

iłk

u

po

zn

aw

cz

eg

o

30

20

10

0

Korelacja ujemna r=-0,58

background image

Jeśli współczynnik korelacji
=0

To jeszcze wcale
nie oznacza, że
dwie zmienne
nie są ze sobą
związane

Oznacza to, że
na pewno nie ma
między nimi
liniowego
związku

poziom pobudzenia

20

18

16

14

12

10

8

6

4

2

0

w

yk

on

an

ie

z

ad

an

ia

10

8

6

4

2

0

background image

Współczynnik
r-Pearsona

Wyznaczniki atrakcyjności
interpersonalnej

background image

Częstość spoglądania w oczy – ile
razy spojrzeli sobie w oczy w
ciągu godziny

Poczucie bliskości – na skali od 1
do 6

Dane wprowadzane jak dla
schematu korelacyjnego – każda
ze zmiennych w oddzielnej
kolumnie

background image

background image

czestość spogladania w oczy

10

9

8

7

6

5

4

3

2

1

0

po

cz

uc

ie

b

lis

ko

śc

i

7

6

5

4

3

2

1

background image

korelacja parami

Wybieramy

dwie zmienne

z listy

zmiennych

Zaznaczamy
korelację
Pearsona,
aby otrzymać
wskaźnik R-
Pearsona

background image

Korelacje

,976

11

Korelacja Pearsona

N
Korelacja Pearsona

N

czestość
spogladania w oczy

poczucie bliskości

czestość

spogladania

w oczy

poczucie

bliskości

Współczynnik korelacji Pearsona może przyjmować

wartości z przedziału -1 do 1.

Wartość ujemna wskazuje na negatywny związek między

zmiennymi (X maleje a Y wzrasta)

Wartość dodatnia pokazuje na związek pozytywny

pomiedzy zmiennymi (X rośnie i Y rośnie, X maleje i Y

maleje)

0,975665453382

background image

Jak wyliczyć współczynnik r-
Pearsona

Ponieważ porównujemy wyniki dwóch zmiennych
mierzonych na różnych skalach, współczynnik
korelacji musi brać pod uwagę różne zakresy skali

Należy wystandaryzować wyniki obu zmiennych

Statystyki opisowe

11

1,00

8,00 5,0000

2,3000

11

2,00

6,00 4,0000

1,5000

11

czestość spogladania
w oczy
poczucie bliskości

N Ważnych (wyłączanie
obserwacjami)

N

Minimum Maksimum

Średnia

Odchylenie

standardowe

background image

standaryzacja

Zmieniamy rozkład naszej zmiennej :

Średnia =0

Odchylenie standardowe =1

Wartości z leżące poniżej średniej są ujemne

Wartości większe od średniej mają z dodatnie

background image

SD

X

X

z

Jeśli silna zależność to np. wyraźnie niskim wartościom z,
na jednej zmiennej to na drugiej zmiennej też.
Interesuje nas relatywne położenie wyników na obu skalach

background image

Następnie mnożymy wartości wystandaryzowane obu zmiennych
przez siebie
– uzyskujemny moment iloczynowy

sumujemy iloczyny i dzielimy przez liczbę
obserwacji - 1

background image

wzór

1

N

z

z

r

x

y

SD

X

X

z

background image

Kolejne kroki obliczania
współczynnika r-Pearsona

Wszystkie wyniki na obu skalach
zamieniamy na z (na podstawie
odpowiednich średnich i odchyleń
standardowych)

Obliczamy moment iloczynowy (mnożymy
odpowiednie wartości z przez siebie)

Dodajemy iloczyny do siebie

Dzielimy przez liczbę obserwacji minus 1

background image

Wspólna zmienność wyjaśniona
przez współczynnik korelacji

Podnosząc współczynnik korelacji do
kwadratu, możemy dostać oszacowania
wspólnej wariancji (zmienności) obu
zmiennych

background image

r=0

r=0.5 >> r

2

=0,25 >> 25%

r=-0.8 >> r

2

=0,64 >> 64%

64% zmienności jednej
zmiennej
może być wyjaśnione
przez zmienność
wartości drugiej
zmiennej


Document Outline


Wyszukiwarka

Podobne podstrony:
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 7 Wprowadzenie do analizy war
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 3 Rozkład normalny
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 17 Analiza kowariancji i anal
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 18 Analiza czynnikowa i anali
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 12 Analiza danych z eksperyme
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 19 Wykład powtórkowy
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 15 Wprowadzenie do regresji w
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 5 Testowanie hipotez Test T
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 1 Rodzaje skal pomiarowych
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 10 Dwuczynnikowa analiza wari
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 11a Dwuczynnikowa analiza war
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 11 Dwuczynnikowa analiza wari
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 2 Miary tendencji centralnej
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 13 Plan mieszany
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 9 Zaawansowane plany eksperym
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 8 Jednoczynnikowa analiza war
Metodologia z elelmentami statystyki dr Izabela Krejtz wyklad 6 Test T dla prób niezależnyc

więcej podobnych podstron