สัมประสิทธิ์สหสัมพันธ์ในสถิติ ค่าสัมประสิทธิ์ Fechner (ค่าสัมประสิทธิ์สหสัมพันธ์สัญญาณ) การสวมใส่มีค่าสัมประสิทธิ์อื่นในการประเมิน

ยาลดไข้สำหรับเด็กกำหนดโดยกุมารแพทย์ แต่มีเหตุฉุกเฉินคือมีไข้เมื่อเด็กต้องได้รับยาทันที จากนั้นผู้ปกครองจะรับผิดชอบและใช้ยาลดไข้ อนุญาตให้มอบอะไรให้กับทารกได้บ้าง? คุณจะลดอุณหภูมิในเด็กโตได้อย่างไร? ยาอะไรที่ปลอดภัยที่สุด?

อัตราส่วนเฟชเนอร์- เป็นการประเมินระดับความสอดคล้องในทิศทางของการเบี่ยงเบนของแต่ละค่าของปัจจัยและคุณลักษณะผลลัพธ์จากค่าเฉลี่ยของปัจจัยและคุณลักษณะผลลัพธ์ ค่าสัมประสิทธิ์ Fechner พร้อมด้วยค่าสัมประสิทธิ์เช่นค่าสัมประสิทธิ์สเปียร์แมนและค่าสัมประสิทธิ์แคนเดลหมายถึง ลงชื่อค่าสัมประสิทธิ์สหสัมพันธ์- ค่าสัมประสิทธิ์สหสัมพันธ์เครื่องหมายขึ้นอยู่กับการประเมินระดับความสอดคล้องของทิศทางของการเบี่ยงเบนของแต่ละค่าของปัจจัยและสัญญาณผลลัพธ์จากค่าเฉลี่ยที่เกี่ยวข้อง มีการคำนวณดังนี้:

A #n b " data-id="a;b" data-formul="(a-b)/(a+b)" data-r="K f ">คำนวณค่าของคุณ


ค่าสัมประสิทธิ์ Fechner สามารถรับค่าได้ตั้งแต่ –1 ถึง +1 Kf = 1 บ่งชี้ถึงความเป็นไปได้ของการเชื่อมต่อโดยตรง Kf = -1 บ่งชี้ถึงความเป็นไปได้ของการตอบรับ

วัตถุประสงค์ของการบริการ- บริการนี้ออกแบบมาเพื่อคำนวณค่าสัมประสิทธิ์ Fechner ทางออนไลน์ ความสำคัญของสัมประสิทธิ์นี้ก็ถูกกำหนดด้วย

คำแนะนำ. ระบุจำนวนข้อมูล (จำนวนแถว) คลิกถัดไป ผลลัพธ์ที่ได้จะถูกบันทึกเป็นไฟล์ Word เทมเพลตจะถูกสร้างขึ้นโดยอัตโนมัติสำหรับการทดสอบโซลูชันใน Excel

การคำนวณค่าสัมประสิทธิ์ Fechnerประกอบด้วยขั้นตอนดังต่อไปนี้:

  1. มีการกำหนดค่าเฉลี่ยสำหรับแต่ละคุณลักษณะ (X และ Y)
  2. สัญญาณของการเบี่ยงเบน (-,+) จากค่าเฉลี่ยของแต่ละคุณลักษณะจะถูกกำหนด
  3. หากสัญญาณตรงกัน ให้กำหนดค่า A มิฉะนั้นให้ B
  4. นับจำนวน A และ B โดยคำนวณค่าสัมประสิทธิ์ Fechner โดยใช้สูตร: K f = (n a - n b)/(n a + n b) โดยที่ n a คือจำนวนความบังเอิญของสัญญาณของการเบี่ยงเบนของแต่ละค่าจากค่าเฉลี่ย ; n b - จำนวนที่ไม่ตรงกัน
อัตราส่วนเฟชเนอร์แตกต่างกันไปภายใน [-1;+1] และใช้เพื่อประเมินความใกล้ชิดของความสัมพันธ์ระหว่างคุณลักษณะเชิงคุณภาพ (วิธีที่ไม่ใช่พารามิเตอร์)

การแสดงกราฟิกของสัมประสิทธิ์ Fechner


ตัวอย่างหมายเลข 1 เมื่อพัฒนาสารละลายดินเหนียวที่มีการสูญเสียของเหลวลดลงภายใต้สภาวะอุณหภูมิสูง จะมีการทดสอบสูตรสองสูตรพร้อมกัน โดยสูตรหนึ่งประกอบด้วย 2% CMC และ 1% Na2CO3 และอีก 2% CMC, 1% Na2CO3 และ 0.1% โพแทสเซียมไดโครเมต เป็นผลให้ได้ค่า X ต่อไปนี้ (การสูญเสียน้ำหลังจาก 30 วินาที)

X19 9 11 9 8 11 10 8 10
X210 11 10 12 11 12 12 10 9
ตรวจสอบว่าสารละลายที่เป็นปัญหาสามารถแยกแยะตามค่าการสูญเสียของเหลวได้หรือไม่

ตัวอย่างหมายเลข 2 ลงชื่อสัมประสิทธิ์สหสัมพันธ์หรือค่าสัมประสิทธิ์ Fechner ขึ้นอยู่กับการประเมินระดับความสอดคล้องในทิศทางของการเบี่ยงเบนของค่าปัจจัยแต่ละค่าและลักษณะผลลัพธ์จากค่าเฉลี่ยที่เกี่ยวข้อง มีการคำนวณดังนี้:

,

โดยที่ n คือจำนวนการจับคู่ของสัญญาณการเบี่ยงเบนของแต่ละค่าจากค่าเฉลี่ย n b - จำนวนที่ไม่ตรงกัน

อัตราส่วนเฟชเนอร์สามารถรับค่าได้ตั้งแต่ -1 ถึง +1 Kf = 1 บ่งชี้ถึงความเป็นไปได้ของการเชื่อมต่อโดยตรง Kf = -1 บ่งชี้ถึงความเป็นไปได้ของการตอบรับ

ตัวอย่างหมายเลข 2
ลองดูตัวอย่างการคำนวณค่าสัมประสิทธิ์ Fechner โดยใช้ข้อมูลที่ระบุในตาราง:
ค่าเฉลี่ย:


สัญญาณของการเบี่ยงเบนจากค่าเฉลี่ย X

สัญญาณของการเบี่ยงเบนจากค่าเฉลี่ย Y

จับคู่อักขระ (a) หรือไม่ตรงกัน (b)


ค่าสัมประสิทธิ์บ่งชี้ว่าเราสามารถยอมรับการตอบรับได้

การประมาณค่าสัมประสิทธิ์สหสัมพันธ์สัญญาณ

ในการประมาณค่าสัมประสิทธิ์ Fechner ก็เพียงพอแล้วที่จะประเมินนัยสำคัญและค้นหาช่วงความเชื่อมั่น
ความสำคัญของสัมประสิทธิ์ Fechner

การใช้ตารางของนักเรียนเราพบตาราง:
เสื้อ ตาราง (n-m-1;a) = (6;0.05) = 1.943
เนื่องจาก Tob > ttable เราปฏิเสธสมมติฐานที่ว่าสัมประสิทธิ์สหสัมพันธ์ของเครื่องหมายเท่ากับ 0 กล่าวอีกนัยหนึ่ง ค่าสัมประสิทธิ์ Fechner มีนัยสำคัญทางสถิติ


ช่วงความเชื่อมั่นสำหรับสัมประสิทธิ์ Fechner:
ร(-1.0;-0.4495)

ตัวอย่างหมายเลข 3
ลองดูตัวอย่างการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์เครื่องหมายโดยใช้ข้อมูลที่ระบุในตาราง

อัตราส่วนเฟชเนอร์- เป็นการประเมินระดับความสอดคล้องในทิศทางของการเบี่ยงเบนของแต่ละค่าของปัจจัยและคุณลักษณะผลลัพธ์จากค่าเฉลี่ยของปัจจัยและคุณลักษณะผลลัพธ์ ค่าสัมประสิทธิ์ Fechner พร้อมด้วยค่าสัมประสิทธิ์เช่นค่าสัมประสิทธิ์สเปียร์แมนและค่าสัมประสิทธิ์แคนเดลหมายถึง ลงชื่อค่าสัมประสิทธิ์สหสัมพันธ์- ค่าสัมประสิทธิ์สหสัมพันธ์เครื่องหมายขึ้นอยู่กับการประเมินระดับความสอดคล้องของทิศทางของการเบี่ยงเบนของแต่ละค่าของปัจจัยและสัญญาณผลลัพธ์จากค่าเฉลี่ยที่เกี่ยวข้อง มีการคำนวณดังนี้:

A #n b " data-id="a;b" data-formul="(a-b)/(a+b)" data-r="K f ">คำนวณค่าของคุณ


ค่าสัมประสิทธิ์ Fechner สามารถรับค่าได้ตั้งแต่ –1 ถึง +1 Kf = 1 บ่งชี้ถึงความเป็นไปได้ของการเชื่อมต่อโดยตรง Kf = -1 บ่งชี้ถึงความเป็นไปได้ของการตอบรับ

วัตถุประสงค์ของการบริการ- บริการนี้ออกแบบมาเพื่อคำนวณค่าสัมประสิทธิ์ Fechner ทางออนไลน์ ความสำคัญของสัมประสิทธิ์นี้ก็ถูกกำหนดด้วย

คำแนะนำ. ระบุจำนวนข้อมูล (จำนวนแถว) คลิกถัดไป ผลลัพธ์ที่ได้จะถูกบันทึกเป็นไฟล์ Word เทมเพลตจะถูกสร้างขึ้นโดยอัตโนมัติสำหรับการทดสอบโซลูชันใน Excel

การคำนวณค่าสัมประสิทธิ์ Fechnerประกอบด้วยขั้นตอนดังต่อไปนี้:

  1. มีการกำหนดค่าเฉลี่ยสำหรับแต่ละคุณลักษณะ (X และ Y)
  2. สัญญาณของการเบี่ยงเบน (-,+) จากค่าเฉลี่ยของแต่ละคุณลักษณะจะถูกกำหนด
  3. หากสัญญาณตรงกัน ให้กำหนดค่า A มิฉะนั้นให้ B
  4. นับจำนวน A และ B โดยคำนวณค่าสัมประสิทธิ์ Fechner โดยใช้สูตร: K f = (n a - n b)/(n a + n b) โดยที่ n a คือจำนวนความบังเอิญของสัญญาณของการเบี่ยงเบนของแต่ละค่าจากค่าเฉลี่ย ; n b - จำนวนที่ไม่ตรงกัน
อัตราส่วนเฟชเนอร์แตกต่างกันไปภายใน [-1;+1] และใช้เพื่อประเมินความใกล้ชิดของความสัมพันธ์ระหว่างคุณลักษณะเชิงคุณภาพ (วิธีที่ไม่ใช่พารามิเตอร์)

การแสดงกราฟิกของสัมประสิทธิ์ Fechner


ตัวอย่างหมายเลข 1 เมื่อพัฒนาสารละลายดินเหนียวที่มีการสูญเสียของเหลวลดลงภายใต้สภาวะอุณหภูมิสูง จะมีการทดสอบสูตรสองสูตรพร้อมกัน โดยสูตรหนึ่งประกอบด้วย 2% CMC และ 1% Na2CO3 และอีก 2% CMC, 1% Na2CO3 และ 0.1% โพแทสเซียมไดโครเมต เป็นผลให้ได้ค่า X ต่อไปนี้ (การสูญเสียน้ำหลังจาก 30 วินาที)

X19 9 11 9 8 11 10 8 10
X210 11 10 12 11 12 12 10 9
ตรวจสอบว่าสารละลายที่เป็นปัญหาสามารถแยกแยะตามค่าการสูญเสียของเหลวได้หรือไม่

ตัวอย่างหมายเลข 2 ลงชื่อสัมประสิทธิ์สหสัมพันธ์หรือค่าสัมประสิทธิ์ Fechner ขึ้นอยู่กับการประเมินระดับความสอดคล้องในทิศทางของการเบี่ยงเบนของค่าปัจจัยแต่ละค่าและลักษณะผลลัพธ์จากค่าเฉลี่ยที่เกี่ยวข้อง มีการคำนวณดังนี้:

,

โดยที่ n คือจำนวนการจับคู่ของสัญญาณการเบี่ยงเบนของแต่ละค่าจากค่าเฉลี่ย n b - จำนวนที่ไม่ตรงกัน

อัตราส่วนเฟชเนอร์สามารถรับค่าได้ตั้งแต่ -1 ถึง +1 Kf = 1 บ่งชี้ถึงความเป็นไปได้ของการเชื่อมต่อโดยตรง Kf = -1 บ่งชี้ถึงความเป็นไปได้ของการตอบรับ

ตัวอย่างหมายเลข 2
ลองดูตัวอย่างการคำนวณค่าสัมประสิทธิ์ Fechner โดยใช้ข้อมูลที่ระบุในตาราง:
ค่าเฉลี่ย:


สัญญาณของการเบี่ยงเบนจากค่าเฉลี่ย X

สัญญาณของการเบี่ยงเบนจากค่าเฉลี่ย Y

จับคู่อักขระ (a) หรือไม่ตรงกัน (b)


ค่าสัมประสิทธิ์บ่งชี้ว่าเราสามารถยอมรับการตอบรับได้

การประมาณค่าสัมประสิทธิ์สหสัมพันธ์สัญญาณ

ในการประมาณค่าสัมประสิทธิ์ Fechner ก็เพียงพอแล้วที่จะประเมินนัยสำคัญและค้นหาช่วงความเชื่อมั่น
ความสำคัญของสัมประสิทธิ์ Fechner

การใช้ตารางของนักเรียนเราพบตาราง:
เสื้อ ตาราง (n-m-1;a) = (6;0.05) = 1.943
เนื่องจาก Tob > ttable เราปฏิเสธสมมติฐานที่ว่าสัมประสิทธิ์สหสัมพันธ์ของเครื่องหมายเท่ากับ 0 กล่าวอีกนัยหนึ่ง ค่าสัมประสิทธิ์ Fechner มีนัยสำคัญทางสถิติ


ช่วงความเชื่อมั่นสำหรับสัมประสิทธิ์ Fechner:
ร(-1.0;-0.4495)

ตัวอย่างหมายเลข 3
ลองดูตัวอย่างการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์เครื่องหมายโดยใช้ข้อมูลที่ระบุในตาราง

  • ค่าสัมประสิทธิ์สหสัมพันธ์อันดับเคนดัลล์
    สูตรการคำนวณมีรูปแบบ: เราจัดอันดับองค์ประกอบทั้งหมดตามคุณลักษณะ x^ ตามชุดของคุณลักษณะอื่น x 10 ): ที่ไหน คือ/2 -ปริมาณที่กำหนดจากตารางการแจกแจงแบบปกติสำหรับระดับนัยสำคัญที่เลือก a (เช่น สำหรับ a = 0.05 เราจะได้ คือ/2 = 1.96) ถ้า 10 แล้วพวกเขาก็คำนวณ...
    (วิธีการทางสถิติหลายตัวแปรทางเศรษฐศาสตร์)
  • ค่าสัมประสิทธิ์สหสัมพันธ์ของตัวบ่งชี้สถานะของระบบย่อยระดับภูมิภาคกับตัวบ่งชี้การลงทุน
    อัตราการเจริญพันธุ์ -0.08 (p = 0.768) 0.10 (p = 0.707) อัตราการตาย -0.36 (p = 0.158) -0.65 (p = 0.004) อัตราการตายของทารก -0.13 (p = 0.619) ) -0.40 (p = 0.113) ประชากร 0.98 (p = 0.000) 0.62 (p = 0.008) อายุคาดเฉลี่ยแรกเกิด ปี 0.20...
    (การพัฒนาภูมิภาค: การวินิจฉัยความแตกต่างในระดับภูมิภาค)
  • ค่าสัมประสิทธิ์สหสัมพันธ์ของตัวบ่งชี้สถานะของระบบย่อยระดับภูมิภาคกับตัวบ่งชี้การลงทุน
    อัตราการเจริญพันธุ์ -0.08 (p = 0.768) 0.10 (p = 0.707) อัตราการตาย -0.36 (p = 0.158) -0.65 (p = 0.004) อัตราการตายของทารก -0.13 (p = 0.619) ) -0.40 (p = 0.113) ประชากร 0.98 (p = 0.000) 0.62 (p = 0.008) อายุคาดเฉลี่ยแรกเกิด ปี 0.20...
    (การพัฒนาภูมิภาค: การวินิจฉัยความแตกต่างในระดับภูมิภาค)
  • ค่าสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมน
    ค่าสัมประสิทธิ์นี้หมายถึงการจัดอันดับนั่นคือ ไม่ใช่ค่าของปัจจัยและคุณลักษณะผลลัพธ์ที่มีความสัมพันธ์กัน แต่เป็นอันดับ (จำนวนตำแหน่งที่อยู่ในแต่ละแถวของค่าตามลำดับจากน้อยไปมากหรือจากมากไปน้อย) . ค่าสัมประสิทธิ์สหสัมพันธ์ของสเปียร์แมนขึ้นอยู่กับการพิจารณาความแตกต่างในอันดับของค่าตัวประกอบ...
    (ทฤษฎีสถิติทั่วไป)

ค่าสัมประสิทธิ์สหสัมพันธ์ที่เสนอในช่วงครึ่งหลังของศตวรรษที่ 19 โดย G. T. Fechner เป็นการวัดความสัมพันธ์ที่ง่ายที่สุดระหว่างตัวแปรสองตัว มันขึ้นอยู่กับการเปรียบเทียบลักษณะทางจิตวิทยาสองประการ x ฉันและ ฉันวัดจากตัวอย่างเดียวกันโดยการเปรียบเทียบสัญญาณการเบี่ยงเบนของแต่ละค่าจากค่าเฉลี่ย: และ
- ข้อสรุปเกี่ยวกับความสัมพันธ์ระหว่างตัวแปรทั้งสองนั้นจัดทำขึ้นจากการนับจำนวนการแข่งขันและไม่ตรงกันของสัญญาณเหล่านี้

ตัวอย่าง

อนุญาต x ฉันและ ฉัน– ลักษณะสองประการที่วัดได้จากกลุ่มตัวอย่างเดียวกัน ในการคำนวณค่าสัมประสิทธิ์ Fechner จำเป็นต้องคำนวณค่าเฉลี่ยสำหรับแต่ละคุณลักษณะตลอดจนแต่ละค่าของตัวแปร - เครื่องหมายของการเบี่ยงเบนจากค่าเฉลี่ย (ตารางที่ 8.1):

ตารางที่ 8.1

x ฉัน

ฉัน

การกำหนด

ในตาราง: – ความบังเอิญของสัญญาณ - สัญญาณไม่ตรงกัน; n a – จำนวนการแข่งขัน n b – จำนวนที่ไม่ตรงกัน (ในกรณีนี้ nก = 4, nข = 6)

ค่าสัมประสิทธิ์สหสัมพันธ์ของ Fechner คำนวณโดยใช้สูตร:

(8.1)

ในกรณีนี้:

บทสรุป

มีความสัมพันธ์เชิงลบที่อ่อนแอระหว่างตัวแปรที่ศึกษา

ควรสังเกตว่าค่าสัมประสิทธิ์สหสัมพันธ์ของ Fechner ไม่ใช่เกณฑ์ที่เข้มงวดเพียงพอ ดังนั้นจึงสามารถใช้ได้เฉพาะในขั้นตอนเริ่มต้นของการประมวลผลข้อมูลและเพื่อกำหนดข้อสรุปเบื้องต้นเท่านั้น

8. 4. สัมประสิทธิ์สหสัมพันธ์เพียร์สัน

หลักการดั้งเดิมของสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันคือการใช้ผลคูณของช่วงเวลา (ค่าเบี่ยงเบนของค่าของตัวแปรจากค่าเฉลี่ย):

หากผลรวมของผลคูณของช่วงเวลามีขนาดใหญ่และเป็นบวก เช่นนั้น เอ็กซ์และ ที่มีความสัมพันธ์กันโดยตรง หากผลรวมมีขนาดใหญ่และเป็นลบ เอ็กซ์และ ที่มีความสัมพันธ์แบบผกผันอย่างยิ่ง สุดท้ายหากไม่มีความเชื่อมโยงระหว่างกัน xและ ที่ผลรวมของผลคูณของช่วงเวลามีค่าใกล้ศูนย์

เพื่อให้แน่ใจว่าสถิติไม่ได้ขึ้นอยู่กับขนาดของกลุ่มตัวอย่าง ค่าเฉลี่ยจึงถูกนำมาใช้แทนผลรวมของผลคูณของช่วงเวลาต่างๆ อย่างไรก็ตาม การหารไม่ได้ขึ้นอยู่กับขนาดตัวอย่าง แต่ตามจำนวนระดับความเป็นอิสระ n - 1.

ขนาด
เป็นการวัดความเชื่อมโยงระหว่าง เอ็กซ์และ ที่และเรียกว่าความแปรปรวนร่วม เอ็กซ์และ ที่.

ในปัญหาต่างๆ มากมายในวิทยาศาสตร์ธรรมชาติและวิทยาศาสตร์ทางเทคนิค ความแปรปรวนร่วมเป็นตัววัดความสัมพันธ์ที่น่าพอใจอย่างสมบูรณ์ ข้อเสียคือช่วงของค่าไม่คงที่ กล่าวคือ สามารถเปลี่ยนแปลงได้ภายในขีดจำกัดที่ไม่แน่นอน

เพื่อสร้างมาตรฐานในการวัดการเชื่อมโยง จำเป็นต้องปล่อยความแปรปรวนร่วมออกจากอิทธิพลของส่วนเบี่ยงเบนมาตรฐาน ในการทำเช่นนี้คุณต้องแบ่ง เอ็กซ์ซีบน x และ คุณ:

(8.3)

ที่ไหน เอ็กซ์ซี- สัมประสิทธิ์สหสัมพันธ์หรือผลคูณของโมเมนต์เพียร์สัน

สูตรทั่วไปในการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์มีดังนี้

(การแปลงบางส่วน)

(8.4)

ผลกระทบของการแปลงข้อมูลต่อ เอ็กซ์วาย:

1. การแปลงเชิงเส้น xและ พิมพ์ บีเอ็กซ์ + และ ดี้ + จะไม่เปลี่ยนขนาดของความสัมพันธ์ระหว่างกัน xและ .

2. การแปลงเชิงเส้น xและ ที่ < 0, > 0 และเมื่อใดด้วย > 0 และ < 0 изменяют знак коэффициента корреляции, не меняя его величины.

ความน่าเชื่อถือ (หรือนัยสำคัญทางสถิติ) ของสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันสามารถกำหนดได้หลายวิธี:

ตามตารางค่าวิกฤตของสัมประสิทธิ์สหสัมพันธ์เพียร์สันและสเปียร์แมน (ดูภาคผนวกตารางที่ XIII) หากได้ค่าที่ได้จากการคำนวณแล้ว เอ็กซ์ซี เกินค่าวิกฤต (ตาราง) สำหรับตัวอย่างที่กำหนด ค่าสัมประสิทธิ์เพียร์สันถือว่ามีนัยสำคัญทางสถิติ จำนวนระดับความเป็นอิสระในกรณีนี้สอดคล้องกับ n– 2 ที่ไหน n– จำนวนคู่ของค่าที่เปรียบเทียบ (ขนาดตัวอย่าง)

ตามตารางที่ XV ของภาคผนวกซึ่งมีชื่อว่า "จำนวนคู่ของค่าที่จำเป็นสำหรับนัยสำคัญทางสถิติของสัมประสิทธิ์สหสัมพันธ์" ในกรณีนี้จำเป็นต้องเน้นไปที่ค่าสัมประสิทธิ์สหสัมพันธ์ที่ได้จากการคำนวณ ถือว่ามีนัยสำคัญทางสถิติหากขนาดตัวอย่างเท่ากับหรือมากกว่าจำนวนคู่ของค่าในตารางสำหรับค่าสัมประสิทธิ์ที่กำหนด

ตามค่าสัมประสิทธิ์นักเรียนซึ่งคำนวณเป็นอัตราส่วนของค่าสัมประสิทธิ์สหสัมพันธ์ต่อข้อผิดพลาด:

(8.5)

ข้อผิดพลาดสัมประสิทธิ์สหสัมพันธ์ คำนวณโดยใช้สูตรต่อไปนี้:

ที่ไหน r - ข้อผิดพลาดสัมประสิทธิ์สหสัมพันธ์ - สัมประสิทธิ์สหสัมพันธ์ n- จำนวนคู่ที่ถูกเปรียบเทียบ

ให้เราพิจารณาขั้นตอนการคำนวณและการกำหนดนัยสำคัญทางสถิติของค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันโดยใช้ตัวอย่างการแก้ปัญหาต่อไปนี้

งาน

นักเรียนมัธยมปลาย 22 คนได้รับการทดสอบสองแบบ: USK (ระดับการควบคุมแบบอัตนัย) และ MkU (แรงจูงใจสู่ความสำเร็จ) ผลลัพธ์ที่ได้ดังต่อไปนี้ (ตารางที่ 8.2):

ตารางที่ 8.2

ยูเอสเค ( x ฉัน)

มคยู ( ฉัน)

ยูเอสเค ( x ฉัน)

มคยู ( ฉัน)

ออกกำลังกาย

เพื่อทดสอบสมมติฐานที่ว่าคนที่มีระดับภายในสูง (คะแนน USC) มีแรงจูงใจในการประสบความสำเร็จในระดับสูง

สารละลาย

1. เราใช้สัมประสิทธิ์สหสัมพันธ์เพียร์สันในการปรับเปลี่ยนต่อไปนี้ (ดูสูตร 8.4):

เพื่อความสะดวกในการประมวลผลข้อมูลบนไมโครเครื่องคิดเลข (ในกรณีที่ไม่มีโปรแกรมคอมพิวเตอร์ที่จำเป็น) ขอแนะนำให้สร้างตารางงานระดับกลางในรูปแบบต่อไปนี้ (ตาราง 8.3):

ตารางที่ 8.3

xฉัน ฉัน

x 1 1

x 2 2

x 3 3

x n n

Σ xฉัน ฉัน

2. เราทำการคำนวณและแทนที่ค่าลงในสูตร:

3. เรากำหนดนัยสำคัญทางสถิติของสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันได้สามวิธี:

วิธีที่ 1:

ในตาราง XIII ภาคผนวก เราค้นหาค่าวิกฤตของสัมประสิทธิ์สำหรับระดับนัยสำคัญที่ 1 และ 2: Cr.= 0.42; 0.54 (ν = n – 2 = 20).

เราสรุปได้ว่า เอ็กซ์ > Cr . กล่าวคือความสัมพันธ์มีนัยสำคัญทางสถิติสำหรับทั้งสองระดับ

วิธีที่ 2:

มาใช้โต๊ะกันเถอะ XV ซึ่งเรากำหนดจำนวนคู่ของค่า (จำนวนวิชา) ที่เพียงพอสำหรับนัยสำคัญทางสถิติของสัมประสิทธิ์สหสัมพันธ์เพียร์สันเท่ากับ 0.58: สำหรับระดับนัยสำคัญที่ 1, 2 และ 3 คือ 12, 18 และ 28 ตามลำดับ

จากที่นี่ เราสรุปได้ว่าค่าสัมประสิทธิ์สหสัมพันธ์มีนัยสำคัญสำหรับระดับ 1 และ 2 แต่ "ไปไม่ถึง" นัยสำคัญระดับ 3

วิธีที่ 3:

เราคำนวณข้อผิดพลาดของค่าสัมประสิทธิ์สหสัมพันธ์และค่าสัมประสิทธิ์นักเรียนเป็นอัตราส่วนของค่าสัมประสิทธิ์เพียร์สันต่อข้อผิดพลาด:

ในตาราง X เราค้นหาค่ามาตรฐานของสัมประสิทธิ์นักเรียนสำหรับระดับนัยสำคัญที่ 1, 2 และ 3 ด้วยจำนวนองศาอิสระ ν = n – 2 = 20: ที Cr. = 2,09; 2,85; 3,85.

ข้อสรุปทั่วไป

ความสัมพันธ์ระหว่างตัวบ่งชี้ของการทดสอบ USC และ MkU มีนัยสำคัญทางสถิติสำหรับนัยสำคัญระดับที่ 1 และ 2

บันทึก:

เมื่อตีความค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน ต้องพิจารณาประเด็นต่อไปนี้:

    ค่าสัมประสิทธิ์เพียร์สันสามารถใช้ได้กับสเกลต่างๆ (อัตราส่วน ช่วง หรือลำดับ) ยกเว้นสเกลแบบไดโคโตมัส

    ความสัมพันธ์ไม่ได้หมายถึงความสัมพันธ์ระหว่างเหตุและผลเสมอไป กล่าวอีกนัยหนึ่ง ถ้าเราพบความสัมพันธ์เชิงบวกระหว่างความสูงและน้ำหนักในกลุ่มวิชา นี่ไม่ได้หมายความว่าความสูงขึ้นอยู่กับน้ำหนักหรือในทางกลับกัน (ลักษณะทั้งสองนี้ขึ้นอยู่กับตัวแปรที่สาม (ภายนอก) ซึ่ง ในกรณีนี้มีความเกี่ยวข้องกับลักษณะทางพันธุกรรมตามรัฐธรรมนูญของบุคคล)

    xu » 0 สามารถสังเกตได้ไม่เพียงแต่ในกรณีที่ไม่มีการเชื่อมต่อระหว่างกัน xและ แต่ในกรณีของการเชื่อมต่อแบบไม่เชิงเส้นที่แข็งแกร่ง (รูปที่ 8.2 ก) ในกรณีนี้ ความสัมพันธ์เชิงลบและบวกจะมีความสมดุล ส่งผลให้เกิดภาพลวงตาว่าไม่มีการเชื่อมโยงกัน

    เอ็กซ์ซีอาจมีขนาดเล็กมากหากมีความเชื่อมโยงที่แน่นแฟ้นระหว่างกัน เอ็กซ์และ ที่สังเกตได้ในช่วงค่าที่แคบกว่าค่าที่ศึกษา (รูปที่ 8.2 b)

    การรวมตัวอย่างด้วยวิธีการที่แตกต่างกันสามารถสร้างภาพลวงตาของความสัมพันธ์ที่ค่อนข้างสูง (รูปที่ 8.2 c)

ฉัน ฉัน ฉัน

+ + . .

xฉัน xฉัน xฉัน

ข้าว. 8.2. แหล่งที่มาของข้อผิดพลาดที่เป็นไปได้เมื่อตีความค่าของสัมประสิทธิ์สหสัมพันธ์ (คำอธิบายในข้อความ (หมายเหตุ 3 - 5 ข้อ))

ความเข้าใจทั่วไปเกี่ยวกับการวิเคราะห์สหสัมพันธ์-การถดถอย

รูปแบบและประเภทของความเชื่อมโยงที่มีอยู่ระหว่างปรากฏการณ์มีความหลากหลายมากในการจำแนกประเภท เป็นเพียงสิ่งที่มีลักษณะเชิงปริมาณและได้รับการศึกษาโดยใช้วิธีเชิงปริมาณเท่านั้น ลองพิจารณาวิธีการวิเคราะห์สหสัมพันธ์-การถดถอย ซึ่งเป็นพื้นฐานในการศึกษาความสัมพันธ์ระหว่างปรากฏการณ์

วิธีการนี้ประกอบด้วย เป็นส่วนประกอบสองส่วน— การวิเคราะห์สหสัมพันธ์และการวิเคราะห์การถดถอย การวิเคราะห์สหสัมพันธ์เป็นวิธีเชิงปริมาณในการกำหนดจุดแข็งและทิศทางของความสัมพันธ์ระหว่างตัวแปรตัวอย่าง การวิเคราะห์การถดถอยเป็นวิธีเชิงปริมาณในการกำหนดประเภทของฟังก์ชันทางคณิตศาสตร์ในความสัมพันธ์ระหว่างเหตุและผลระหว่างตัวแปร

เพื่อประเมินความแข็งแกร่งของการเชื่อมต่อในทฤษฎีสหสัมพันธ์จะใช้มาตราส่วน Chaddock ของนักสถิติชาวอังกฤษ: อ่อนแอ - จาก 0.1 ถึง 0.3; ปานกลาง - จาก 0.3 ถึง 0.5; เห็นได้ชัด - จาก 0.5 ถึง 0.7; สูง - จาก 0.7 ถึง 0.9; สูงมาก (แข็งแกร่ง) - จาก 0.9 ถึง 1.0 มันถูกใช้เพิ่มเติมในตัวอย่างในหัวข้อ

ความสัมพันธ์เชิงเส้น

ความสัมพันธ์นี้แสดงลักษณะความสัมพันธ์เชิงเส้นในรูปแบบต่างๆ ของตัวแปร สามารถจับคู่กัน (ตัวแปรที่สัมพันธ์กันสองตัว) หรือหลายตัว (ตัวแปรมากกว่าสองตัว) โดยตรงหรือผกผัน - บวกหรือลบ เมื่อตัวแปรแปรผันไปในทิศทางเดียวกันหรือต่างกันตามลำดับ

หากตัวแปรเป็นเชิงปริมาณและเทียบเท่าในการสังเกตโดยอิสระด้วยจำนวนทั้งหมด การวัดเชิงประจักษ์ที่สำคัญที่สุดของความใกล้ชิดของความสัมพันธ์เชิงเส้นคือค่าสัมประสิทธิ์ของความสัมพันธ์โดยตรงของสัญญาณของนักจิตวิทยาชาวออสเตรีย G.T สัมประสิทธิ์ของความสัมพันธ์แบบคู่ แบบบริสุทธิ์ (ส่วนตัว) และแบบพหุคูณ (สะสม) ของนักสถิติชาวอังกฤษ เค. เพียร์สัน (พ.ศ. 2400-2479)

Fechner ลงชื่อค่าสัมประสิทธิ์สหสัมพันธ์คู่กำหนดความสอดคล้องของทิศทางในการเบี่ยงเบนแต่ละตัวแปรจากค่าเฉลี่ย และ เท่ากับอัตราส่วนของความแตกต่างระหว่างผลรวมของการจับคู่ () และไม่ตรงกัน () คู่ของสัญญาณในการเบี่ยงเบนและต่อผลรวมของผลรวมเหล่านี้:

ขนาด เคเอฟแตกต่างกันไปตั้งแต่ -1 ถึง +1 ผลรวมใน (1) เกิดจากการสังเกตที่ไม่ได้ระบุไว้ในผลรวมเพื่อความง่าย หากมีการเบี่ยงเบนอย่างใดอย่างหนึ่ง หรือ จะไม่นำมารวมในการคำนวณ หากค่าเบี่ยงเบนทั้งสองเป็นศูนย์พร้อมกัน: กรณีดังกล่าวจะถือว่ามีสัญญาณเหมือนกันและรวมอยู่ใน ในตารางที่ 12.1 แสดงการจัดเตรียมข้อมูลเพื่อการคำนวณ (1)

ตารางที่ 12.1 ข้อมูลสำหรับการคำนวณค่าสัมประสิทธิ์ Fechner

จำนวนพนักงานพันคน

มูลค่าการซื้อขาย, cu

ส่วนเบี่ยงเบนจากค่าเฉลี่ย

เปรียบเทียบสัญญาณและ

เหตุบังเอิญ
(จากการ)

ไม่ตรงกัน (N k)

โดย (1) เรามี K f = (3 - 2)/(3 + 2) = 0.20- ทิศทางของความสัมพันธ์ในรูปแบบต่างๆ!!จำนวนพนักงานโดยเฉลี่ย|จำนวนพนักงาน]] และเป็นบวก (ตรงไปตรงมา): สัญญาณในการเบี่ยงเบน และ และในส่วนใหญ่ (ใน 3 กรณีจาก 5) เกิดขึ้นพร้อมกัน ความใกล้ชิดของความสัมพันธ์ระหว่างตัวแปรในระดับ Chaddock นั้นอ่อนแอ

คู่ของเพียร์สัน ค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้นล้วน (บางส่วน) และหลายค่า (รวม) ตรงกันข้ามกับค่าสัมประสิทธิ์ Fechner ไม่เพียงแต่คำนึงถึงสัญญาณเท่านั้น แต่ยังรวมถึงขนาดของส่วนเบี่ยงเบนของตัวแปรด้วย มีการใช้วิธีการที่แตกต่างกันในการคำนวณ ดังนั้น ตามวิธีการนับโดยตรงสำหรับข้อมูลที่ไม่ได้จัดกลุ่ม ค่าสัมประสิทธิ์สหสัมพันธ์คู่เพียร์สันจึงมีรูปแบบดังนี้

ค่าสัมประสิทธิ์นี้ยังแปรผันตั้งแต่ -1 ถึง +1 หากมีตัวแปรหลายตัว ระบบจะคำนวณค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้นแบบพหุคูณเพียร์สัน (สะสม) สำหรับสามตัวแปร x, y, zดูเหมือนว่า

สัมประสิทธิ์นี้แปรผันตั้งแต่ 0 ถึง 1 หากเรากำจัด (แยกออกทั้งหมดหรือแก้ไขในระดับคงที่) อิทธิพลต่อ และ ความสัมพันธ์ "ทั่วไป" ของพวกเขาจะกลายเป็นความสัมพันธ์ที่ "บริสุทธิ์" โดยสร้างความสัมพันธ์เชิงเส้นตรงของเพียร์สัน (บางส่วน) ล้วนๆ ค่าสัมประสิทธิ์:

ค่าสัมประสิทธิ์นี้แตกต่างกันไปตั้งแต่ -1 ถึง +1 กำลังสองของค่าสัมประสิทธิ์สหสัมพันธ์ (2)-(4) เรียกว่าค่าสัมประสิทธิ์ (ดัชนี) ของการกำหนด - คู่, บริสุทธิ์ (โดยเฉพาะ), หลาย (รวม) ตามลำดับ:

ค่าสัมประสิทธิ์การกำหนดแต่ละตัวจะแตกต่างกันไปตั้งแต่ 0 ถึง 1 และประเมินระดับความแน่นอนของการแปรผันในความสัมพันธ์เชิงเส้นของตัวแปร โดยแสดงสัดส่วนของการแปรผันในตัวแปรหนึ่ง (y) เนื่องจากการเปลี่ยนแปลงของตัวแปรอื่น (อื่น ๆ) - x และ y . กรณีหลายตัวแปรที่มีตัวแปรมากกว่าสามตัวจะไม่ได้รับการพิจารณาที่นี่

ตามพัฒนาการของนักสถิติชาวอังกฤษ R.E. ฟิชเชอร์ (พ.ศ. 2433-2505) มีการตรวจสอบนัยสำคัญทางสถิติของสัมประสิทธิ์สหสัมพันธ์เพียร์สันแบบคู่และบริสุทธิ์ (บางส่วน) ว่าการแจกแจงเป็นไปตามปกติ โดยยึดตามการแจกแจงของนักสถิติชาวอังกฤษ V.S. Gosset (นามแฝง "Student"; 1876-1937) โดยมีระดับนัยสำคัญความน่าจะเป็นและระดับความเป็นอิสระที่กำหนด โดยที่คือจำนวนการเชื่อมต่อ (ตัวแปรปัจจัย) สำหรับสัมประสิทธิ์คู่ เรามีค่าคลาดเคลื่อนกำลังสองเฉลี่ยรูตและค่าจริงของการทดสอบของนักเรียน:

สำหรับค่าสัมประสิทธิ์สหสัมพันธ์ที่บริสุทธิ์เมื่อคำนวณแทน (n-2) จำเป็นต้องใช้ เพราะ ในกรณีนี้คือ m=2 (ตัวแปรสองตัวคือ x และ z) สำหรับจำนวน n>100 จำนวนมาก แทนที่จะเป็น (n-2) หรือ (n-3) ใน (6) คุณสามารถใช้ n ได้ โดยละเลยความแม่นยำของการคำนวณ

ถ้า t r > t ตารางดังนั้นค่าสัมประสิทธิ์สหสัมพันธ์ของคู่ - ทั้งหมดหรือบริสุทธิ์ - จะมีนัยสำคัญทางสถิติ และเมื่อใด แท็บ t r ≤ t- ไม่มีนัยสำคัญ

ความสำคัญของค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ R ถูกตรวจสอบโดย เอฟ— เกณฑ์ฟิชเชอร์โดยการคำนวณมูลค่าที่แท้จริง

ที่ แท็บ F > Fค่าสัมประสิทธิ์ R ถือว่ามีนัยสำคัญด้วยระดับนัยสำคัญที่กำหนด a และระดับความอิสระที่มีอยู่ และ และ กับ ตาราง F r ≤ F- ไม่มีนัยสำคัญ

ในประชากรจำนวนมาก n > 100 กฎการแจกแจงแบบปกติ (ฟังก์ชันลาปลาซ-เชปพาร์ดแบบตาราง) ถูกนำมาใช้โดยตรงเพื่อประเมินความสำคัญของสัมประสิทธิ์เพียร์สันทั้งหมดแทนการทดสอบ t และ F

ท้ายที่สุด หากสัมประสิทธิ์เพียร์สันไม่เป็นไปตามกฎปกติ Z จะถูกใช้เป็นเกณฑ์สำหรับนัยสำคัญ - การทดสอบของฟิชเชอร์ ซึ่งไม่ได้พิจารณาในที่นี้

ตัวอย่างการคำนวณแบบมีเงื่อนไข(2) - (7) แสดงไว้ในตาราง 12.2 โดยที่นำข้อมูลเริ่มต้นของตาราง 12.1 มาด้วยการเพิ่มตัวแปรที่สาม z - ขนาดของพื้นที่รวมของร้านค้า (100 ตร.ม.)

ตารางที่ 12.2.การเตรียมข้อมูลเพื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน

ตัวชี้วัด

ตาม (2) - (5) ค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้นของเพียร์สันจะเท่ากับ:

ความสัมพันธ์ของตัวแปร xและ เป็นบวก แต่ไม่ใกล้เคียง ซึ่งมีขนาดตามค่าสัมประสิทธิ์สหสัมพันธ์คู่และขนาดตามค่าสัมประสิทธิ์สหสัมพันธ์ล้วนๆ และได้รับการประเมินในระดับ Chaddock ตามลำดับว่า "สังเกตเห็นได้" และ "อ่อนแอ"

ค่าสัมประสิทธิ์การตัดสินใจ วัน xy = 0.354และ ดีซี่ ซ = 0.0037แสดงว่ามีความแปรผัน ที่(มูลค่าการซื้อขาย) เกิดจากการแปรผันเชิงเส้น x(จำนวนพนักงาน) โดย 35,4% ในความสัมพันธ์ทั่วไปและในความสัมพันธ์ที่บริสุทธิ์ - เปิดเท่านั้น 0,37% - สถานการณ์นี้เกิดจากการส่งผลกระทบอย่างมีนัยสำคัญต่อ xและ ตัวแปรที่สาม z– พื้นที่ทั้งหมดครอบครองโดยร้านค้า ความใกล้ชิดของความสัมพันธ์กับพวกเขาคือตามลำดับ r xz =0.677 และ r yz =0.844.

ค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ (สะสม) ของตัวแปรทั้งสามแสดงให้เห็นว่าความใกล้ชิดของความสัมพันธ์เชิงเส้น xและ zจำนวน ร = 0.844ซึ่งประเมินตามระดับ Chaddock ว่า "สูง" และค่าสัมประสิทธิ์การกำหนดพหุคูณคือค่า ด=0.713แสดงว่า 71,3 % รูปแบบทั้งหมด ที่(มูลค่าการซื้อขาย) จะถูกกำหนดโดยผลกระทบสะสมของตัวแปรต่างๆ xและ z- พักผ่อน 28,7% เนื่องจากมีผลกระทบต่อ ปัจจัยอื่นๆ หรือความสัมพันธ์เชิงโค้งของตัวแปร ใช่, x, z.

เพื่อประเมินความสำคัญของค่าสัมประสิทธิ์สหสัมพันธ์ เราใช้ระดับนัยสำคัญ จากข้อมูลเบื้องต้น เรามีดีกรีอิสระสำหรับ และ สำหรับ ตามตารางทางทฤษฎี เราพบตารางที่ 1 ตามลำดับ = 3.182 และ เสื้อ ตารางที่ 2. = 4.303. สำหรับการทดสอบ F ที่เรามี และจากตารางเราจะพบตาราง F = 19.0. ค่าจริงของแต่ละเกณฑ์ตาม (6) และ (7) เท่ากับ:

เกณฑ์ที่คำนวณทั้งหมดน้อยกว่าค่าในตาราง: ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สันทั้งหมดไม่มีนัยสำคัญทางสถิติ



สนับสนุนโครงการ - แชร์ลิงก์ ขอบคุณ!
อ่านด้วย
ภรรยาของเซอร์เกย์ ลาฟรอฟ รัฐมนตรีว่าการกระทรวงการต่างประเทศ ภรรยาของเซอร์เกย์ ลาฟรอฟ รัฐมนตรีว่าการกระทรวงการต่างประเทศ บทเรียน-บรรยาย กำเนิดฟิสิกส์ควอนตัม บทเรียน-บรรยาย กำเนิดฟิสิกส์ควอนตัม พลังแห่งความไม่แยแส: ปรัชญาของลัทธิสโตอิกนิยมช่วยให้คุณดำเนินชีวิตและทำงานได้อย่างไร ใครคือสโตอิกในปรัชญา พลังแห่งความไม่แยแส: ปรัชญาของลัทธิสโตอิกนิยมช่วยให้คุณดำเนินชีวิตและทำงานได้อย่างไร ใครคือสโตอิกในปรัชญา