همبستگی به معنای ارتباط است - به طور دقیق تر اندازه گیری میزان ارتباط دو متغیر است. سه نتیجه ممکن از یک مطالعه همبستگی وجود دارد: یک همبستگی مثبت, یک همبستگی منفی, و هیچ همبستگی.
لطفا جاوا اسکریپت را فعال کنید
پراکنده
همبستگی را می توان بصری بیان کرد. این است که با رسم یک پراکنده انجام (همچنین به عنوان یک نمودار پراکنده شناخته شده, نمودار پراکندگی, نمودار پراکندگی, یا نمودار پراکندگی).
پراکندگی یک صفحه نمایش گرافیکی است که روابط یا ارتباطات بین دو متغیر عددی (یا متغیرهای مشترک) را نشان می دهد که به صورت نقاط (یا نقطه) برای هر جفت امتیاز نشان داده می شوند.
پراکندگی قدرت و جهت همبستگی بین متغیرهای مشترک را نشان می دهد.
وقتی یک پراکنده رسم می کنید مهم نیست که کدام متغیر روی محور ایکس می رود و کدام یک روی محور بله.
به یاد داشته باشید, در همبستگی ما همیشه با نمرات زوج برخورد, بنابراین مقادیر 2 متغیرهای گرفته شده با هم استفاده خواهد شد را به نمودار.
تصمیم بگیرید که کدام متغیر روی هر محور می رود و سپس به سادگی یک ضربدر را در نقطه ای که 2 مقدار با هم منطبق هستند قرار دهید.
برخی از کاربردهای همبستگی
برخی از کاربردهای همبستگی
- اگر بین دو متغیر رابطه وجود داشته باشد می توانیم در مورد یکی از دیگری پیش بینی کنیم.
- اعتبار همزمان (همبستگی بین یک معیار جدید و یک معیار تعیین شده).
- تست-قابلیت اطمینان مجدد (اقدامات سازگار هستند).
- قابلیت اطمینان بین ارزیاب (ناظران سازگار هستند).
- اعتبار پیش بینی.
ضرایب همبستگی: تعیین قدرت همبستگی
ضرایب همبستگی: تعیین قدرت همبستگی
به جای رسم یک پراکندگی همبستگی را می توان به صورت عددی به عنوان یک ضریب بیان, اعم ا ز-1 به +1. ضریب همبستگی مورد استفاده در هنگام کار با متغیرهای پیوسته ر پیرسون است.
ضریب همبستگی (ر ) میزان قرار گرفتن جفت اعداد برای این دو متغیر در یک خط مستقیم را نشان می دهد. مقادیر بالای صفر همبستگی مثبت و مقادیر زیر صفر همبستگی منفی را نشان می دهند.
همبستگ ی-1 نشان دهنده یک همبستگی منفی کامل است به این معنی که به عنوان یک متغیر بالا می رود و دیگر پایین می رود. همبستگی + 1 نشان دهنده یک همبستگی مثبت کامل است به این معنی که به عنوان یک متغیر بالا می رود, دیگر بالا می رود.
هیچ قانون برای تعیین چه اندازه همبستگی قوی در نظر گرفته شده است وجود دارد, متوسط یا ضعیف. تفسیر ضریب بستگی به موضوع مطالعه دارد.
هنگام مطالعه چیزهایی که برای اندازه گیری دشوار است باید انتظار داشته باشیم که ضرایب همبستگی پایین تر باشد (به عنوان مثال بالای 0.4 نسبتا قوی باشد). هنگامی که ما در حال مطالعه چیزهایی هستند که راحت تر برای اندازه گیری, مانند وضعیت اجتماعی و اقتصادی, ما انتظار داریم همبستگی بالاتر (به عنوان مثال بالا 0.75 به نسبتا قوی).)
در این نوع مطالعات به ندرت شاهد همبستگی بالای 0.6 هستیم. برای این نوع داده ها عموما همبستگی های بالای 0.4 را نسبتا قوی می دانیم و همبستگی های بین 0.2 و 0.4 متوسط و همبستگی های زیر 0.2 ضعیف در نظر گرفته می شوند.
هنگامی که ما در حال مطالعه چیزهایی هستند که به راحتی قابل شمارش, ما انتظار داریم همبستگی بالاتر. برای مثال با دادههای دموگرافیک عموما همبستگیهای بالای 0.75 را نسبتا قوی و همبستگیهای بین 0.45 تا 0.75 متوسط و همبستگیهای زیر 0.45 ضعیف در نظر میگیریم.
همبستگی در مقابل علیت
همبستگی در مقابل علیت
علیت به این معنی است که یک متغیر (که اغلب متغیر پیش بینی کننده یا متغیر مستقل نامیده می شود) باعث دیگری می شود (که اغلب متغیر نتیجه یا متغیر وابسته نامیده می شود).
تجربیات می تواند برای ایجاد علیت انجام شود. یک تجربه متغیر مستقل را جدا و دستکاری می کند تا اثر خود را بر متغیر وابسته مشاهده کند و محیط را کنترل می کند تا متغیرهای بیرونی حذف شوند.
اما همبستگی بین متغیرها به طور خودکار به این معنی نیست که تغییر در یک متغیر علت تغییر مقادیر متغیر دیگر است. همبستگی فقط در صورت وجود رابطه بین متغیرها نشان می دهد.
در حالی که متغیرها گاهی اوقات همبسته هستند زیرا یکی باعث دیگری می شود, همچنین می تواند عامل دیگری باشد, یک متغیر مخدوش کننده, در واقع باعث حرکت سیستماتیک در متغیرهای مورد علاقه ما می شود.
همبستگی همیشه علیت را ثابت نمی کند زیرا ممکن است متغیر سوم در این امر دخیل باشد. مثلا, یک بیمار در بیمارستان است که در ارتباط با مرگ, اما این بدان معنا نیست که یک رویداد باعث می شود دیگر, به عنوان متغیر سوم دیگری ممکن است درگیر شود (مانند رژیم غذایی, سطح ورزش).
خلاصه
"همبستگی علیت نیست" به این معنی است که فقط به این دلیل که دو متغیر با هم مرتبط هستند لزوما به این معنی نیست که یکی باعث دیگری می شود.
یک همبستگی متغیرها را شناسایی می کند و به دنبال رابطه بین متغیرها است. یک تجربه اثری را که یک متغیر مستقل بر یک متغیر وابسته دارد تست می کند اما یک همبستگی به دنبال رابطه بین دو متغیر است.
این به این معنی است که تجربه می تواند علت و معلول را پیش بینی کند (علت و معلول) اما یک همبستگی فقط می تواند یک رابطه را پیش بینی کند زیرا ممکن است متغیر خارجی دیگری در این رابطه دخیل باشد که مشخص نیست.
نقاط قوت همبستگی
نقاط قوت همبستگی
1 . همبستگی اجازه می دهد تا محقق به بررسی متغیرهای به طور طبیعی رخ می دهد که شاید غیر اخلاقی یا غیر عملی برای تست تجربی. برای مثال غیر اخلاقی است که تحقیق کنیم سیگار کشیدن باعث سرطان ریه می شود یا خیر.
محدودیت های همبستگی
محدودیت های همبستگی
1 . همبستگی نیست و نمی تواند به معنای علیت باشد. حتی اگر یک ارتباط بسیار قوی بین دو متغیر وجود دارد ما نمی توانیم فرض کنیم که یکی باعث می شود دیگر.
به عنوان مثال فرض کنید ما یک همبستگی مثبت بین تماشای خشونت در تلویزیون و رفتار خشن در نوجوانی پیدا کردیم. ممکن است علت هر دوی اینها سومین متغیر (خارجی) باشد - مثلا بزرگ شدن در خانه ای خشن - و هم تماشای تلویزیون و هم رفتار خشن نتیجه این امر است.