Inhalt
Pearsons Korrelationskoeffizient, der normalerweise als r bezeichnet wird, ist ein statistischer Wert, der die lineare Beziehung zwischen zwei Variablen misst. Der Wert reicht von +1 bis -1 und zeigt eine perfekte positive bzw. negative lineare Beziehung zwischen zwei Variablen an. Die Berechnung des Korrelationskoeffizienten wird normalerweise von statistischen Programmen wie SPSS und SAS durchgeführt, um die genauesten Werte für die Berichterstattung in wissenschaftlichen Studien bereitzustellen. Die Interpretation und Verwendung des Pearson-Korrelationskoeffizienten hängt von der Konstitution und dem Zweck der jeweiligen Studie ab, in der er berechnet wurde.
Identifizieren Sie die zu testende abhängige Variable zwischen zwei unabhängig voneinander abgeleiteten Beobachtungen. Eine der Anforderungen des Pearson-Korrelationskoeffizienten besteht darin, dass die beiden zu vergleichenden Variablen unabhängig voneinander beobachtet oder gemessen werden müssen, um verzerrte Ergebnisse zu eliminieren.
Berechnen Sie den Pearson-Korrelationskoeffizienten. Bei großen Datenmengen kann die Berechnung sehr mühsam werden. Neben verschiedenen statistischen Programmen haben viele wissenschaftliche Rechner die Möglichkeit, den Wert zu berechnen. Die tatsächliche Gleichung finden Sie im Abschnitt Referenz.
Geben Sie einen Korrelationswert nahe 0 an, um anzuzeigen, dass keine lineare Beziehung zwischen den beiden Variablen besteht. Wenn sich der Korrelationskoeffizient 0 nähert, werden die Werte weniger korreliert, wodurch Variablen identifiziert werden, die möglicherweise nicht miteinander in Beziehung stehen.
Geben Sie einen Korrelationswert nahe 1 an, um anzuzeigen, dass eine positive lineare Beziehung zwischen den beiden Variablen besteht. Ein Wert größer als Null, der sich 1 nähert, führt zu einer größeren positiven Korrelation zwischen den Daten. Wenn eine Variable einen bestimmten Betrag erhöht, erhöht sich die andere Variable um einen entsprechenden Betrag. Die Interpretation muss auf der Grundlage der Ergebnisse der Studie festgelegt werden.
Geben Sie einen Korrelationswert nahe -1 an, um anzuzeigen, dass zwischen den beiden Variablen eine negative lineare Beziehung besteht. Wenn sich der Koeffizient -1 nähert, werden die Variablen negativer korreliert, was anzeigt, dass die andere Variable um einen entsprechenden Betrag abnimmt, wenn eine Variable zunimmt. Die Interpretation muss wiederum auf der Grundlage des Betrags der Studie bestimmt werden.
Interpretieren Sie den Korrelationskoeffizienten basierend auf dem Con des jeweiligen Datensatzes. Der Korrelationswert ist im Wesentlichen ein beliebiger Wert, der basierend auf den zu vergleichenden Variablen angewendet werden muss. Beispielsweise zeigt ein resultierender r-Wert von 0,912 eine sehr starke und positive lineare Beziehung zwischen zwei Variablen an. In einer Studie, in der zwei Variablen verglichen werden, die normalerweise nicht als verwandt identifiziert werden, zeigen diese Ergebnisse, dass eine Variable die andere Variable positiv beeinflussen kann, was Anlass für weitere Forschungen zwischen den beiden gibt. Der exakt gleiche r-Wert in einer Studie, in der zwei Variablen verglichen werden, für die eine absolut positive lineare Beziehung nachgewiesen wurde, kann jedoch einen Fehler in den Daten oder andere potenzielle Probleme im experimentellen Design identifizieren. Daher ist es wichtig, die Bedeutung der Daten zu verstehen, wenn der Pearson-Korrelationskoeffizient gemeldet und interpretiert wird.
Bestimmen Sie die Signifikanz der Ergebnisse. Dies wird unter Verwendung des Korrelationskoeffizienten, der Freiheitsgrade und der kritischen Werte der Korrelationskoeffiziententabelle erreicht. Die Freiheitsgrade werden berechnet als die Anzahl gepaarter Beobachtungen minus 2. Identifizieren Sie unter Verwendung dieses Wertes den entsprechenden kritischen Wert in der Korrelationstabelle für einen 0,05- und einen 0,01-Test, der ein Konfidenzniveau von 95 bzw. 99 Prozent identifiziert. Vergleichen Sie den kritischen Wert mit dem zuvor berechneten Korrelationskoeffizienten. Ist der Korrelationskoeffizient größer, sind die Ergebnisse von Bedeutung.