Sisältö
Pearsonin korrelaatiokerroin, jota tavallisesti merkitään r: llä, on tilastollinen arvo, joka mittaa lineaarista suhdetta kahden muuttujan välillä. Sen arvo vaihtelee välillä +1 - -1, mikä osoittaa täydellisen positiivisen ja negatiivisen lineaarisen suhteen vastaavasti kahden muuttujan välillä. Korrelaatiokerroin lasketaan normaalisti tilastollisilla ohjelmilla, kuten SPSS ja SAS, jotta saadaan tarkimmat mahdolliset arvot tieteellisten tutkimusten raportointia varten. Pearsonin korrelaatiokertoimen tulkinta ja käyttö vaihtelee sen tutkimuksen sisällön ja tarkoituksen perusteella, jossa se lasketaan.
Tunnista testattava riippuvainen muuttuja kahden itsenäisesti johdetun havainnon välillä. Yksi Pearsonin korrelaatiokertoimen vaatimuksista on, että kahta vertailtavaa muuttujaa on tarkkailtava tai mitattava riippumattomasti vääristyneiden tulosten poistamiseksi.
Laske Pearsonin korrelaatiokerroin. Suurille tietomäärille laskenta voi tulla erittäin työlästä. Eri tilasto-ohjelmien lisäksi monilla tieteellisillä laskimilla on kyky laskea arvo. Varsinainen yhtälö esitetään viiteosassa.
Ilmoita korrelaatioarvo, joka on lähellä nollaa, osoituksena siitä, että kahden muuttujan välillä ei ole lineaarista suhdetta. Kun korrelaatiokerroin lähestyy arvoa 0, arvot muuttuvat vähemmän korreloiviksi, mikä tunnistaa muuttujat, jotka eivät välttämättä liity toisiinsa.
Ilmoita korrelaatioarvo, joka on lähellä yhtä kuin 1 osoituksena siitä, että kahden muuttujan välillä on positiivinen, lineaarinen suhde. Arvo, joka on suurempi kuin nolla ja lähestyy arvoa 1, johtaa suurempaan positiiviseen korrelaatioon tietojen välillä. Kun yksi muuttuja kasvattaa tiettyä määrää, toinen muuttuja kasvaa vastaavana määränä. Tulkinta on määritettävä tutkimuksen tulosten perusteella.
Ilmoita korrelaatioarvo, joka on lähellä -1, osoituksena siitä, että kahden muuttujan välillä on negatiivinen, lineaarinen suhde. Kun kerroin lähestyy -1, muuttujat korreloivat negatiivisemmin, mikä osoittaa, että kun yksi muuttuja kasvaa, toinen muuttuja pienenee vastaavalla määrällä. Tulkinta on jälleen määritettävä tutkimuksen johdonmukaisuuden perusteella.
Tulkitse korrelaatiokerroin tietyn tietojoukon con perusteella. Korrelaatioarvo on pääosin mielivaltainen arvo, jota on sovellettava verrattavien muuttujien perusteella. Esimerkiksi tuloksena oleva r-arvo 0,912 osoittaa erittäin vahvaa ja positiivista lineaarista suhdetta kahden muuttujan välillä. Tutkimuksessa, jossa verrattiin kahta muuttujaa, joita ei yleensä tunnisteta toisiinsa liittyviksi, nämä tulokset tarjoavat todisteita siitä, että yksi muuttuja voi vaikuttaa positiivisesti toiseen muuttujaan, mikä aiheuttaa syytä jatkotutkimukseen näiden kahden välillä. Täsmälleen sama r-arvo tutkimuksessa, jossa verrataan kahta muuttujaa, joiden on osoitettu olevan täydellisesti positiivinen lineaarinen suhde, voi kuitenkin tunnistaa virheestä tiedoissa tai muihin mahdollisiin ongelmiin kokeellisessa suunnittelussa. Siksi on tärkeää ymmärtää tietojen epäkohdat raportoitaessa ja tulkittaessa Pearsonin korrelaatiokerrointa.
Määritä tulosten merkitys. Tämä suoritetaan käyttämällä korrelaatiokerrointa, vapausasteita ja korrelaatiokertoimen taulukon kriittisiä arvoja. Vapausasteet lasketaan pariksi tehtyjen havaintojen lukumäärällä, josta on vähennetty 2. Tätä arvoa käyttämällä tunnistetaan vastaava kriittinen arvo korrelaatiotaulukossa joko 0,05- ja 0,01-testissä, joka identifioi vastaavasti 95: n ja 99-prosenttisen luotettavuuden. Vertaa kriittistä arvoa aiemmin laskettuun korrelaatiokertoimeen. Jos korrelaatiokerroin on suurempi, tulosten sanotaan olevan merkittäviä.