Hệ số tương quan trong nghiên cứu

Pearson Correlation bivariate tạo ra một hệ số tương quan mẫu, r , đo cường độ và hướng của mối quan hệ tuyến tính giữa các cặp biến liên tục. Bằng cách mở rộng, Pearson Correlation đánh giá liệu có bằng chứng thống kê cho mối quan hệ tuyến tính giữa các cặp biến số tương tự trong tổng thể hay không, được biểu thị bằng hệ số tương quan “r”.

Tương quan Pearson bivariate thường được sử dụng để đo lường như sau:

Dữ liệu của bạn phải đáp ứng các yêu cầu sau:

1. Hai hoặc nhiều biến liên tục (nghĩa là mức khoảng hoặc tỷ lệ)
2. Các trường hợp có giá trị trên cả hai biến
3. Mối quan hệ tuyến tính giữa các biến
4. 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.
5. 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.
6. Mẫu dữ liệu ngẫu nhiên từ tổng thể
7. Không ngoại lệ

Thử nghiệm thống kê