Корреляция означает ассоциацию, точнее, это мера степени, в которой две переменные связаны. Есть три возможных результата корреляционного исследования: положительная корреляция, отрицательная корреляция и отсутствие корреляции.
Определения корреляции, примеры и интерпретация
Положительная корреляция — это отношение между двумя переменными, при котором обе переменные движутся в одном направлении. Следовательно, когда одна переменная увеличивается при увеличении другой переменной, или когда одна переменная уменьшается, а другая уменьшается. Примером положительной корреляции может быть рост и вес. Высокие люди, как правило, тяжелее. Отрицательная корреляция – это отношение между двумя переменными, при котором увеличение одной переменной связано с уменьшением другой. Примером отрицательной корреляции может быть высота над уровнем моря и температура. По мере подъема на гору (увеличение высоты) становится холоднее (понижение температуры).Нулевая корреляция существует, когда нет связи между двумя переменными. Например, нет никакой связи между количеством выпитого чая и уровнем интеллекта.
Скаттерограммы
Корреляцию можно выразить визуально. Это делается путем Скаттерограммы (также известной как точечная диаграмма и диаграмма рассеяния).
Диаграмма рассеяния — это графическое изображение, показывающее взаимосвязь или ассоциации между двумя числовыми переменными (или сопутствующими переменными), которые представлены точками для каждой пары оценок.
Точечная диаграмма показывает силу и направление корреляции между сопутствующими переменными.
Когда вы рисуете диаграмму рассеивания, не имеет значения, какая переменная идет по оси x, а какая — по оси y.
Помните, что в корреляциях мы всегда имеем дело с парными показателями, поэтому для построения диаграммы будут использоваться значения двух переменных, взятых вместе.
Решите, какая переменная будет на каждой оси, а затем просто поставьте крестик в точке, где совпадают два значения.
Некоторые варианты использования корреляций
Прогноз
- Если между двумя переменными существует связь, мы можем делать прогнозы относительно одной из другой.
Срок действия
- Параллельная действительность (корреляция между новой мерой и установленной мерой).
Надежность
- Надежность повторных испытаний (соответствуют ли показатели).
- Межоценочная надежность (постоянны ли наблюдатели).
Проверка теории
- Прогностическая достоверность.
Коэффициенты корреляции: определение силы корреляции
Вместо того, чтобы рисовать диаграмму рассеяния, корреляцию можно выразить численно в виде коэффициента в диапазоне от -1 до +1. При работе с непрерывными переменными следует использовать коэффициент корреляции Пирсона r.
Коэффициент корреляции ( r ) показывает, в какой степени пары чисел для этих двух переменных лежат на прямой. Значения выше нуля указывают на положительную корреляцию, а значения ниже нуля указывают на отрицательную корреляцию.
Корреляция –1 указывает на идеальную отрицательную корреляцию, а это означает, что по мере того, как одна переменная растет, другая снижается. Корреляция +1 указывает на идеальную положительную корреляцию, а это означает, что по мере увеличения одной переменной растет и другая.
Не существует правила для определения того, какой размер корреляции считается сильным, умеренным или слабым. Толкование коэффициента зависит от темы исследования.
При изучении вещей, которые трудно измерить, мы должны ожидать, что коэффициенты корреляции будут ниже (например, выше 0,4, что будет относительно сильным). Когда мы изучаем вещи, которые легче измерить, такие как социально-экономический статус, мы ожидаем более высоких корреляций (например, выше 0,75, что будет относительно сильным).)
В такого рода исследованиях мы редко видим корреляции выше 0,6. Для такого рода данных мы обычно считаем корреляции выше 0,4 относительно сильными; корреляция между 0,2 и 0,4 считается умеренной, а корреляция ниже 0,2 считается слабой.
Когда мы изучаем вещи, которые легче сосчитать, мы ожидаем более высоких корреляций. Например, с демографическими данными мы обычно считаем корреляции выше 0,75 относительно сильными; корреляции между 0,45 и 0,75 считаются умеренными, а те, что ниже 0,45, считаются слабыми.
Корреляция против причинно-следственной связи
Причинность означает, что одна переменная (часто называемая переменной-предиктором или независимой переменной) вызывает другую (часто называемую переменной результата или зависимой переменной).
Эксперименты могут быть проведены для установления причинно-следственной связи. Эксперимент изолирует независимую переменную и манипулирует ею, чтобы наблюдать ее влияние на зависимую переменную, и контролирует окружающую среду, чтобы можно было исключить посторонние переменные .
Однако корреляция между переменными не означает автоматически, что изменение одной переменной является причиной изменения значений другой переменной. Корреляция показывает только наличие связи между переменными.
Хотя переменные иногда коррелируют, потому что одна действительно вызывает другую, также может быть, что какой-то другой фактор, вмешивающаяся переменная , на самом деле вызывает систематическое движение интересующих нас переменных.
Корреляция не всегда доказывает причинно-следственную связь, поскольку может быть задействована третья переменная. Например, нахождение пациента в больнице коррелирует со смертью, но это не означает, что одно событие вызывает другое, поскольку может быть задействована еще одна третья переменная (например, диета, уровень физической активности).
Резюме
«Корреляция не является причинно-следственной связью» означает, что только потому, что две переменные связаны, это не обязательно означает, что одна является причиной другой.
Корреляция идентифицирует переменные и ищет взаимосвязь между ними. Эксперимент проверяет влияние, которое независимая переменная оказывает на зависимую переменную, но корреляция ищет связь между двумя переменными.
Это означает, что эксперимент может предсказать причину и следствие (причинно-следственную связь), но корреляция может предсказать только взаимосвязь, поскольку может быть задействована другая посторонняя переменная, о которой она не известна.
Этот материал предназначен только для информационных целей и не предназначен для предоставления юридических, налоговых, финансовых или инвестиционных рекомендаций. Получателям следует проконсультироваться со своими советниками, прежде чем принимать подобные решения. Cripta Today не несет ответственности за любое принятое решение или любые другие действия или бездействие в связи с использованием Получателем этого материала.