Jak zrobić корреляционный analiza
Przy корреляционном analizie starają się ustalić, czy istnieje jakiś związek między tymi dwoma wartościami w jednej próbce lub między dwoma różnymi próbkami pikseli. Jeśli zostanie wykryty związek, to musisz się domyślić, towarzyszy czy ona wzrost jakiegos jednego wskaźnika wzrost lub zmniejszenie innego.
Instrukcja
1
Zdecyduj, między jakimi parametrami trzeba spędzić корреляционный analiza. Przy tym należy pamiętać, że to pomoże ci ustalić, czy możliwe jest przewidywanie określonych wartości jednej wartości, znając wartość innego. W tym celu można korzystać z 2 różnych metody: parametryczny metoda obliczania współczynnika r (Brawa-Pearsona) i określenie współczynnika korelacji rs (rang Спирмена), który stosuje się w stosunku do kolejnym danych i jest непараметрическим.
2
Określ współczynnik korelacji — wartość, która może być w granicach od jednostki do -1. Przy tym, w przypadku pozytywnej korelacji współczynnik ten wynosi plus jeden, a w przypadku negatywnej — minus jeden. Można zbudować wykres zgodności wartości, które chcesz przeanalizować. Na nim otrzymasz określoną linię prostą, przechodzącą przez punkt przecięcia wskaźników każdej pary danych wartości. Z kolei, w przypadku, gdy te punkty (odzwierciedlające wartości) nie ustawiają się w linii prostej i tworzą „chmura”, to współczynnik korelacji w absolutnej wielkości będzie mniejsze jednostki, a w miarę zaokrąglania tej chmury zbliży się do zera. Jeśli współczynnik korelacji jest równy 0, to oznacza to, że obie zmienne są całkowicie niezależne od siebie.
3
Zrób wnioski na temat związku między zmiennymi. Przy tym dużą wagę przywiązuje się objętości próbki: im jest ona większa, bardziej niezawodny będzie wartość otrzymanego współczynnika корреляционного analizy. Istnieją specjalne tabele, które zawierają krytyczne wartości współczynnika korelacji na Brawa-Piersonowi i Спирмену. Dane te można użyć do określenia różnego liczby stopni swobody (jest ona równa liczbie par minus dwa). Tylko w przypadku, gdy współczynniki korelacji są więcej danych krytycznych wartości, będą one uznane za wiarygodne.