콘텐츠
일반적으로 r로 표시되는 Pearson의 상관 계수는 두 변수 간의 선형 관계를 측정하는 통계 값입니다. 이 값의 범위는 +1에서 -1까지이며, 두 변수 사이의 완벽한 양의 선형 관계와 음의 선형 관계를 나타냅니다. 상관 계수의 계산은 일반적으로 과학 연구에서보고 할 수있는 가장 정확한 값을 제공하기 위해 SPSS 및 SAS와 같은 통계 프로그램에 의해 수행됩니다. Pearson의 상관 계수의 해석 및 사용은 계산 된 각 연구의 단점과 목적에 따라 다릅니다.
독립적으로 도출 된 두 관측치 사이에서 검정 할 종속 변수를 식별합니다. Pearson의 상관 계수의 요구 사항 중 하나는 비교되는 두 변수를 독립적으로 관찰하거나 측정하여 바이어스 된 결과를 제거해야한다는 것입니다.
피어슨의 상관 계수를 계산하십시오. 많은 양의 데이터의 경우 계산이 매우 지루해질 수 있습니다. 다양한 통계 프로그램 외에도 많은 과학 계산기는 값을 계산할 수 있습니다. 실제 방정식은 참조 섹션에 제공됩니다.
두 변수간에 선형 관계가 없음을 나타내는 상관 값을 0에 가깝게보고하십시오. 상관 계수가 0에 가까워 질수록, 서로 관련이없는 변수를 식별하는 값의 상관 관계가 낮아집니다.
두 변수 사이에 양의 선형 관계가 있음을 나타내는 것으로 1에 가까운 상관 값을보고하십시오. 1에 접근하는 0보다 큰 값은 데이터간에 더 큰 양의 상관 관계를 생성합니다. 한 변수가 특정 양을 증가 시키면 다른 변수는 해당 양이 증가합니다. 해석은 연구의 단점에 따라 결정되어야합니다.
두 변수 사이에 음의 선형 관계가 있음을 나타내는 것으로 -1에 가까운 상관 값을보고하십시오. 계수가 -1에 가까워 질수록 변수는 더 음의 상관 관계를 가지므로 한 변수가 증가하면 다른 변수는 해당 양만큼 감소합니다. 해석은 연구의 단점에 따라 다시 결정되어야합니다.
특정 데이터 세트의 단점을 기반으로 상관 계수를 해석하십시오. 상관 관계 값은 본질적으로 비교할 변수를 기반으로 적용해야하는 임의의 값입니다. 예를 들어 결과 r 값이 0.912이면 두 변수 사이에 매우 강력하고 양의 선형 관계가 있음을 나타냅니다. 일반적으로 관련성이없는 것으로 확인 된 두 변수를 비교 한 연구에서 이러한 결과는 한 변수가 다른 변수에 긍정적 인 영향을 줄 수 있다는 증거를 제공하여 두 변수 사이의 추가 연구를 야기합니다. 그러나 완벽하게 양의 선형 관계를 갖는 것으로 입증 된 두 변수를 비교 한 연구에서 정확히 동일한 r 값은 데이터의 오류 또는 실험 설계의 다른 잠재적 인 문제를 식별 할 수 있습니다. 따라서 Pearson의 상관 계수를보고하고 해석 할 때 데이터의 단점을 이해하는 것이 중요합니다.
결과의 중요성을 결정하십시오. 이것은 상관 계수, 자유도 및 상관 계수 표의 임계 값을 사용하여 수행됩니다. 자유도는 쌍으로 된 관측치에서 2를 뺀 수로 계산됩니다.이 값을 사용하여 95 및 99 % 신뢰 수준을 각각 식별하는 0.05 및 0.01 테스트에 대한 상관표에서 해당 임계 값을 식별하십시오. 임계 값을 이전에 계산 된 상관 계수와 비교하십시오. 상관 계수가 클 경우 결과는 중요하다고합니다.