نحوه استفاده
- در هر ردیف یک جفت x،y بچسبانید. جداکننده های کاما، نقطه ویرگول، برگه یا فضای سفید همگی برای داده های دو ستونی ساده کار می کنند.
- وقتی به رتبه بندی یکنواخت بیشتر از تناسب خط مستقیم اهمیت می دهید، پیرسون را برای تداعی خطی یا Spearman انتخاب کنید.
- ضریب را همراه با نمودار پراکندگی و p-value بخوانید، سپس تصمیم بگیرید که آیا به رگرسیون یا ابزار بعدی دیگری نیاز دارید.
پیرسون و اسپیرمن از داده های XY چسبانده شده اند
پیرسون ارتباط خطی را اندازه گیری می کند و به طور طبیعی با یک تناسب خط مستقیم جفت می شود.
برای مشاهده خلاصه نتیجه، یک محاسبه را اجرا کنید.
طرح پراکنده
در صفحه نمایش های باریک، کنه ها برای حفظ خوانایی نازک می شوند. نمودار را متمرکز کنید و از ← / → برای حرکت بین نقاط استفاده کنید.
یک محاسبه برای بررسی نقاط انجام دهید.
همبستگی رگرسیون نیست و علیت را ثابت نمی کند
همبستگی پاسخ می دهد "این متغیرها چقدر با هم حرکت می کنند؟" رگرسیون پاسخ می دهد "چه خطی y را از x بهتر پیش بینی می کند؟" آنها مرتبط هستند، اما قابل تعویض نیستند. هنگامی که اولین تصمیم در مورد تداعی است، با همبستگی شروع کنید، سپس در صورت نیاز به یک مدل برازش به رگرسیون بروید.
پیرسون در مقابل اسپیرمن
پیرسون از مقادیر عددی اصلی استفاده می کند و بر ارتباط خطی تمرکز می کند. اسپیرمن هر متغیر را به رتبههای اول تبدیل میکند، که باعث میشود وقتی رابطه یکنواخت اما منحنی باشد، یا زمانی که در غیر این صورت چند متغیر بر روی نتیجه غالب میشوند، بهتر میشود.
قبل از اعتماد به ضریب طرح را بخوانید
یک ضریب واحد می تواند ساختار را پنهان کند. از نمودار پراکندگی برای بررسی خوشه ها، خم ها، نقاط پرت یا اثرات سقف استفاده کنید. اگر الگو به وضوح غیرخطی باشد، ضریب بالا یا پایین به تنهایی زمینه کافی برای تصمیم گیری نیست.
سوالات متداول
تفاوت بین همبستگی پیرسون و اسپیرمن چیست؟
پیرسون ارتباط خطی را روی مقادیر اصلی اندازه گیری می کند. اسپیرمن مقادیر را به رتبه های اول تبدیل می کند، بنابراین برای روابط یکنواخت اما نه کاملا خطی بهتر است و حساسیت کمتری به موارد پرت دارد.
آیا همبستگی به معنای علیت است؟
نه. همبستگی فقط نحوه حرکت دو متغیر با هم در داده های مشاهده شده را توصیف می کند. ضریب بالا ثابت نمی کند که یک متغیر باعث دیگری می شود.
آیا باید از این صفحه استفاده کنم یا از رگرسیون خطی؟
زمانی که سوال اصلی شما قدرت و جهت ارتباط است از این صفحه استفاده کنید. هنگامی که به شیب، وقفه، مقادیر برازش شده، باقیمانده ها یا تشخیص مدل نیاز دارید، از رگرسیون خطی استفاده کنید.
آیا نشانی وب اشتراکگذاری شامل دادههای جایگذاری شده من است؟
خیر. URL اشتراک گذاری فقط تنظیمات سبک وزن مانند حالت پیرسون یا اسپیرمن را ذخیره می کند. داده های خام در مرورگر شما باقی می مانند.
مرتبط
نظرات (اختیاری)
برای کاهش بار، نظرات فقط در صورت نیاز واکشی می شوند.