Tương quan Pearson
Sử dụng phổ biến
- Mối tương quan giữa các cặp biến
- Mối tương quan trong và giữa các bộ biến
Tương quan Pearson bivariate chỉ ra những điều sau đây:
- Liệu một mối quan hệ tuyến tính có ý nghĩa thống kê tồn tại giữa hai biến liên tục
- Độ lớn của mối quan hệ tuyến tính (nghĩa là mối quan hệ gần gũi đến mức nào là một đường thẳng hoàn hảo)
- Hướng của mối quan hệ tuyến tính (tăng hoặc giảm)
Lưu ý: Tương quan Pearson bivariate không thể giải quyết các mối quan hệ phi tuyến tính hoặc mối quan hệ giữa các biến phân loại. Nếu bạn muốn hiểu các mối quan hệ liên quan đến các biến phân loại và / hoặc các mối quan hệ phi tuyến tính, bạn sẽ cần phải chọn một biện pháp liên kết khác.
Lưu ý: Tương quan Pearson bivariate chỉ cho thấy mối liên hệ giữa các biến liên tục. Tương quan Pearson bivariate không cung cấp bất kỳ suy luận nào về quan hệ nhân quả, bất kể hệ số tương quan là bao nhiêu.
Yêu cầu dữ liệu
Dữ liệu của bạn phải đáp ứng các yêu cầu sau:
- Hai hoặc nhiều biến liên tục (nghĩa là mức khoảng hoặc tỷ lệ)
- Các trường hợp có giá trị trên cả hai biến
- Mối quan hệ tuyến tính giữa các biến
- Các trường hợp độc lập (nghĩa là độc lập của các quan sát)
- Không có mối quan hệ giữa các giá trị của các biến giữa các trường hợp. Điều này có nghĩa rằng:
- các giá trị cho tất cả các biến trong các trường hợp không liên quan
- đối với mọi trường hợp, giá trị cho bất kỳ biến nào không thể ảnh hưởng đến giá trị của bất kỳ biến nào đối với các trường hợp khác
- không trường hợp nào có thể ảnh hưởng đến trường hợp khác trên bất kỳ biến nào
- Hệ số tương quan biviariate Pearson và thử nghiệm ý nghĩa tương ứng không mạnh khi độc lập bị vi phạm.
- Không có mối quan hệ giữa các giá trị của các biến giữa các trường hợp. Điều này có nghĩa rằng:
- Tính quy tắc Bivariate
- Mỗi cặp biến được phân phối bình thường
- Mỗi cặp biến được phân phối theo cách thông thường ở tất cả các cấp của (các) biến khác
- Giả định này đảm bảo rằng các biến có liên quan tuyến tính; vi phạm giả định này có thể chỉ ra rằng mối quan hệ phi tuyến tính giữa các biến tồn tại. Độ tuyến tính có thể được đánh giá một cách trực quan bằng cách sử dụng một biểu đồ phân tán dữ liệu.
- Mẫu dữ liệu ngẫu nhiên từ tổng thể
- Không ngoại lệ
Thử nghiệm thống kê
Tương quan có thể đảm nhận bất kỳ giá trị nào trong phạm vi [-1, 1]. Dấu hiệu của hệ số tương quan cho biết hướng của mối quan hệ, trong khi độ lớn của mối tương quan (mức độ gần với -1 hoặc +1) cho biết mức độ của mối quan hệ.
- -1: mối quan hệ tuyến tính hoàn toàn tiêu cực
- 0: không có mối quan hệ
- +1: mối quan hệ tuyến tính hoàn toàn tích cực
Sức mạnh có thể được đánh giá theo các hướng dẫn chung này (có thể thay đổi theo ngành học):
- 0.1 <| r | <0.3 tương quan nhỏ / yếu
- 0.3 <| r | <0.5 Tương quan trung bình
- 0.5 <| r | Tương quan t tương quan lớn / mạnh
Để thực hiện kiểm định sự tương quan trong SPSS, hãy tham khảo bài viết >>> [SPSS] Kiểm định sự tương quan trong SPSS
Nếu có bất cứ thắc mắc gì, các bạn hãy liên hệ với chúng tôi qua:
- Email: hotro@hotroluanvan.com
- Zalo: 0833.470.470
- Website: hotroluanvan.com hoặc phantichdulieuspss.com để tham khảo các bài viết
- Hoặc điền vào Form thông tin sau: