Sisältö
Tilastoissa käytetään erityyppisiä korrelaatioita mittaamaan muuttujien suhdetta toisiinsa. Esimerkiksi käyttämällä kahta muuttujaa - lukion luokka ja korkeakoulu GPA - tarkkailija voi tehdä korrelaation, että keskimääräistä korkeamman lukion opiskelijat saavuttavat tyypillisesti keskimääräistä korkeamman korkeakoulun GPA: n. Korrelaatiot mittaavat myös suhteen vahvuutta ja sitä, onko muuttujien välinen korrelaatio positiivinen vai negatiivinen. Suoritetun korrelaation tyyppi riippuu siitä, ovatko muuttujat ei-numeerisia vai välitietoja, kuten lämpötila.
Pearson-tuotehetken korrelaatio
Pearson-tuotehetken korrelaatio nimettiin matemaattisten tilastotieteiden perustajan Karl Pearsonin mukaan. Sen katsottiin olevan yksinkertainen lineaarinen korrelaatio, mikä tarkoittaa, että kahden muuttujan välinen suhde riippuu siitä, ovatko ne vakioita. Pearsonia käytetään intervalliaineiden kanssa korrelaation voimakkuuden mittaamiseksi, jota yhtälössä edustaa kirjain r. Tämä korrelaatio osoittaa myös, onko suhde positiivinen vai negatiivinen; edustaa numeroita, jotka arvostetaan välillä +1 ja -1. Mitä lähempänä r: n arvo tulee arvoon -1,00 tai +1,00, sitä vahvempi korrelaatio. Mitä lähempänä r: n arvo tulee lukuun 0, sitä heikompi korrelaatio. Esimerkiksi, jos r on -90 tai .90, se osoittaa vahvemman suhteen kuin -.09 tai .09.
Spearmans Rank -korrelaatio
Spearmans Rank -korrelaatio nimettiin tilastotieteilijä Charles Edward Spearmanin mukaan. Spearmans-yhtälö on yksinkertaisempi ja sitä käytetään usein tilastoissa Pearsonin sijasta, vaikkakin se ei ole yhtä vakuuttava. Yhteiskuntatieteilijät voivat käyttää Spearmansia myös kuvaamaan korrelaatiota laadullisten tietojen, kuten etnisyys tai sukupuoli, ja kvantitatiivisten tietojen, kuten tehtyjen rikosten lukumäärän välillä. Korrelaatio lasketaan nollahypoteesillä, joka myöhemmin hyväksytään tai hylätään. Mitätön hypoteesi koostuu yleensä kysymyksestä, johon on vastattava; esimerkiksi onko tehtyjen rikosten lukumäärä sama miehillä ja naisilla.
Kendall Rank -korrelaatio
Brittiläiselle tilastotieteilijälle Maurice Kendallille nimetty Kendall Rank -korrelaatio mittaa riippuvuuden voimakkuutta kahden satunnaismuuttujan joukkojen välillä. Kendallia voidaan käyttää tarkempaan tilastolliseen analyysiin, kun Spearmanin korrelaatio hylkää nollahypoteesin. Se saavuttaa korrelaation, kun yhden muuttujan arvo laskee ja toisen muuttujan arvo kasvaa; Tätä korrelaatiota kutsutaan ristiriitaisiksi pareiksi. Korrelaatio voi tapahtua myös, kun molemmat muuttujat kasvavat samanaikaisesti, joita kutsutaan samanaikaisiksi pariksi.