Birçok istatistik kitabında, yazarlar tek tip bir korelasyon katsayısına atıfta bulunur; gerçekte, ancak, birden fazla vardır. Bravais-Pearson korelasyon katsayısı, doğrusal bir ilişkinin gücünü ölçer. Spearman’ın korelasyon katsayısı veya Kendall’ın tau katsayısı (ve varyasyonları), iki sıralı değişken arasındaki ilişkinin yanı sıra monotonik bir ilişkinin gücünü ölçer.

Nokta-çift serili korelasyon katsayısı, ikili ve metrik değişken arasındaki ilişkiyi belirler. Genellikle çarpım-moment korelasyon katsayısı veya Pearson korelasyon katsayısı olarak adlandırılan Bravais-Pearson korelasyon katsayısı ile başlayalım. Bu katsayı, Fransız fizikçi Auguste Bravais (1811-1863) ve İngiliz matematikçi Karl Pearson’ın (1857-1936) çalışmalarının sonucuydu. r 1⁄4 (1) ile r 1⁄4 (+1) arasında değerler alabilen mutlak bir ölçü tanımlar.

Katsayı, iki metrik değişken mükemmel bir doğrusal ve pozitif ilişkiye sahip olduğunda (+1) değerini alır (yani, tüm gözlenen değerler yükselen bir doğrusal eğim boyunca uzanır). İki metrik değişken mükemmel bir doğrusal ve negatif ilişkiye sahip olduğunda (yani tüm gözlemlenen değerler düşen bir doğrusal eğim boyunca uzanıyorsa) (1) değerini alır. 0’a ne kadar yakınsa, değer çiftleri mükemmel bir doğrusal ilişkiden o kadar çok uzaklaşır.

Pearson korelasyon katsayısını elde etmek için önce kovaryansı belirlememiz gerekir. Tek değişkenli istatistiklerle ilgili tartışmamızda varyansı zaten öğrenmiştik. Bunu, tüm gözlem noktalarının kare ortalama sapmasının ölçüsü olarak tanımladık. İki değişken söz konusu olduğunda, bir dağılım grafiğindeki iki değişkenli merkezden her bir değer çifti arasındaki sapmanın ölçüsü olan kovaryanstan bahsederiz.

Kovaryansı daha iyi anlamak için, evlenen çiftlerin boylarının dağılım grafiğini tekrar ele alalım. Bu şekilde ortalama damat boyu ( x 1⁄4 181:6 cm) ve ortalama gelin boyu (y 1⁄4 170:9 cm) arasında bir çizgi çizilir. Kesiştikleri nokta, damat ve gelinin her birinin ortalama boyda olduğu ortalama bir çift için iki değişkenli ağırlık merkezidir. İki değişkenli ağırlık merkezinin değer çifti daha sonra dört kadranlı yeni bir koordinat sisteminin merkezi olur.

Kadran 1’deki tüm noktalar, ortalamanın üzerinde boyda erkekler ve kadınlar arasındaki evlilikleri içerir. Çeyrek 1’in değerleri ðxi xÞ ð yi yÞ denklemine girildiğinde, sonuçlar her zaman pozitiftir. 3. çeyrekteki tüm noktalar, ortalamanın altında boydaki kadın ve erkekler arasındaki evlilikleri içerir. Burada da, iki negatif değerin çarpımı her zaman pozitif olduğundan, ðxi xÞ ðyi yÞ denklemine verilen değerler pozitif sonuçlar verir.

Pearson korelasyon katsayısı örnek soru
Korelasyon katsayısı örnek sorular
Pearson korelasyon nedir
Pearson korelasyon yorumlama
Korelasyon katsayısı yorumlama
Pearson korelasyon katsayısı anlamlılık testi
Pearson korelasyon katsayısı özellikleri
Pearson korelasyon katsayısı hesaplama

Çeyrek 1 ve 3’teki tüm veri noktaları, aralıklar ðxi xÞ ðyi yÞ çarpımı tarafından ölçülen iki değişkenli merkeze pozitif aralıklarla yerleştirilmiştir. Bu mantıklı: Verilerin oluşturduğu nokta bulutu pozitif bir eğime sahiptir.

2. Çeyrek, ortalamadan daha kısa erkeklerle evlenen, ortalamadan daha uzun boylu kadınların verilerini içerirken, 4. Kadran, ortalamadan daha uzun erkeklerle evlenen, ortalamadan daha kısa kadınların verilerini içerir. Bu gözlemler için, ðxi xÞ ðyi yÞ’nin çarpımı her zaman negatiftir, bu da onların iki değişkenli ağırlık merkezine olan aralıklarının da negatif olduğu anlamına gelir. Bu kadranlarda gözlemlenen tüm çiftler, negatif eğimli bir nokta bulutu oluşturur.

Yükseklikler arasındaki ilişkinin gücünü hesaplarken, önemli olan, 1. ve 3. çeyreklerdeki pozitif aralıkların toplamının büyüklüğü ile 2. ve 4. çeyreklerdeki negatif aralıkların toplamının büyüklüğüdür. 1 ve 3 kadranları, iki değişkenli ağırlık merkezinin pozitif aralıkları ne kadar büyükse geçerlidir.

Bu örnekteki pozitif ve negatif aralıkların toplamı, damat boyu ile gelin boyu arasında pozitif bir ilişki olduğunu gösteren pozitif bir değer üretir. 1. ve 3. çeyreklerdeki aralıklar 2. ve 4. çeyreklerdekilere benzerse, iki değişkenli ağırlık merkezinin negatif ve pozitif aralıkları birbirini iptal eder ve sıfıra yakın bir değer üretir.

Bu durumda, değişkenler arasında bir ilişki yoktur, yani, ortalamadan daha uzun (veya ortalamadan daha kısa) damatlar, ortalamadan daha uzun (yani, ortalamadan daha kısa) evlenen neredeyse kadar damat vardır. ortalamadan daha uzun (ortalamadan daha kısa) ortalamadan daha kısa (veya ortalamadan daha uzun) damatlarla evlenen gelinler olarak gelirler.

Göz önünde bulundurulması gereken son durum, 2. ve 4. çeyreklerde nispeten büyük toplam sapmaların olduğu durumdur. Bu durumda, toplamda negatif bir değer üreten iki değişkenli merkezden birçok negatif aralık ve birkaç pozitif sapma vardır. Damat boyu ile gelin boyu değişkenleri arasındaki ilişki bu nedenle negatiftir.

Açık olması gerektiği gibi, veri noktaları ve iki değişkenli merkez noktası arasındaki aralıkların toplamı, değişkenler arasındaki ilişkinin ilk ölçüsünü sunar. Bu toplamın gözlem sayısına bölünmesi, kovaryans olarak da bilinen iki değişkenli merkezden ortalama sapmayı verir.

Kovaryans pozitifse, iki metrik değişken arasındaki ilişki pozitif olabilir. Kovaryans negatif ise, ilişki negatif olabilir. Kovaryans sıfır veya ona yakınsa, değişkenler arasında doğrusal bir ilişki olmama eğilimindedir. Dolayısıyla, bu noktada kovaryansla ilgilenmemiz gereken tek şey cebirsel işaretidir.

Nominal değişkenlerle ilgili bölümleri kısaca hatırlayacak olursak, χ2 katsayısının hiçbir ilişki olmadığında sıfır değerini aldığını ve ilişkinin gücü arttıkça tırmanma eğiliminde olduğunu hatırlayacağız. χ2 katsayısının talihsiz bir özelliğini de hatırlayacağız: değeri, örneğin büyüklüğü ve olasılık tablosundaki satır ve sütun sayısı ile artma eğilimindedir.

Benzer bir problem kovaryans için de geçerlidir. Bir ilişkinin genel yönünü (olumlu veya olumsuz) gösterebilir, ancak boyutu kullanılan ölçüm birimlerine bağlıdır. Bu problem, x ve y değişkenlerinin standart sapmasına bölünerek önlenebilir. Sonuç, Pearson korelasyon katsayısı olarak adlandırılır.

Pearson korelasyon katsayısının değerleri her zaman r 1⁄4 (1) ile r 1⁄4 (+1) arasındadır. Korelasyon katsayısı 1’e ne kadar yakınsa, değişkenler arasındaki doğrusal pozitif ilişki o kadar güçlüdür. Tüm veri noktaları yukarı doğru eğimli bir çizgi boyunca yer alıyorsa, korelasyon katsayısı tam r 1⁄4 (+1) değerini varsayar.

Tüm veri noktaları aşağı doğru eğimli bir çizgi boyunca yer alıyorsa, korelasyon katsayısı tam r 1⁄4 (1) değerini varsayar. Değişkenler arasında doğrusal bir ilişki fark edilemiyorsa, korelasyon katsayısı r 1⁄4 0 (veya yaklaşık olarak) değerine sahiptir. Korelasyon katsayısı hangi noktada doğrusal bir ilişkiyi gösterir? Araştırmacılar genellikle aşağıdaki ayrımları çizer:

• jrj < 0,5 zayıf doğrusal ilişkilendirme
• 0,5 jrj < 0,8 orta düzeyde doğrusal ilişkilendirme
• jrj ! 0.8 güçlü doğrusal ilişki

The post Bravais-Pearson Korelasyon Katsayısı – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

SAYISAL ÖRNEK

Örneğimiz için kullandığımız veriler, 425 üniversite öğrencisi üzerinde yapılan bir kişilik değişkenleri çalışmasından alınmıştır. Veriler, Kişilik adlı veri dosyasında bulunur. Bu bölümde iki kişilik değişkenine odaklanıyoruz: depresyonun bir ölçüsü olarak beckdep ve bir özsaygı ölçüsü olarak saygı.

ANALİZ KURULUMU: DOĞRUSALLIK KONTROLÜ

Pearson r, bir çift değişkenin lineer olarak ilişkili olma derecesini değerlendirdiği için, Pearson r’yi hesaplamadan önce ilişkinin lineer olma derecesini kabaca belirlemek yararlıdır. Bu, iki değişkenin dağılım grafiği incelenerek gerçekleştirilebilir.

Scatterplot elde etmek için Personality adlı veri dosyasını açıyoruz ve ana menüden Graphs ➔ Legacy Dialogs ➔ Scatter/Dot’u seçerek gösterilen pencereyi oluşturuyoruz. Simple Scatter’ı seçiyoruz ve sunulan Simple Scatter diyalog ekranını açmak için Define’a tıklıyoruz. Beckdep’i keyfi olarak Y Ekseni paneline yerleştireceğiz ve X Ekseni panelinde dikkate alacağız. Tamam’ı tıklatmak dağılım grafiğini üretir

ANALİZ ÇIKTI: DOĞRUSALLIK KONTROLÜ

beckdep ve saygının dağılım grafiği sunulmaktadır. Görsel inceleme, iki değişkenin doğrusal olarak ilişkili olduğunu gösterir. Aynı zamanda, en iyi uyum çizgisinin sol üstten sağ alta doğru açılı olduğu ve negatif (ters) bir ilişkiye işaret ettiği görülüyor.

ANALİZ KURULUMU: TEK BİR DEĞİŞKEN ÇİFT İLİŞKİLENDİRME

Doğrusallığın ortaya çıkmasıyla, beckdep ve saygı arasındaki Pearson korelasyonunu güvenle oluşturabiliriz. Ana menüden Analiz Et ➔ Korelasyon ➔ İki Değişkenli’yi seçin. Bu, gösterilen ana İki Değişkenli Korelasyonlar penceresini açar. Değişkenler paneline beckdep’i ve saygıyı taşıdık. Korelasyon Katsayıları alanında yalnızca Pearson istemek, Önem Testi altında İki Kuyruklu istemek ve IBM SPSS® Flag’den anlamlı korelasyonlar istemek (istatistiksel anlamlılığı göstermek için yıldız işaretlerini kullanacaktır) varsayılan özelliklerini koruyoruz.

Seçenekler düğmesinin seçilmesi, analizdeki değişkenlerin Ortalamalarını ve standart sapmalarını elde etmemizi sağlar. Hariç Tutma durumlarının Eksik Değerler belirtimini ikili olarak koruruz. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

ANALİZ ÇIKTI: TEK BİR DEĞİŞKEN ÇİFT İLİŞKİLENDİRME

Analizin çıktısı sunulur. Tanımlayıcı istatistikler üstteki tabloda, korelasyonlar ise alttaki tabloda gösterilmektedir. Korelasyon sonuçları, köşegen üzerinde 1.00 değeri olan bir “kare” matrisinde sunulur. Hücre(ler)in içindeki beckdep ve Regard’ın kesişimini gösteren üç giriş, aşağıdaki bilgileri aşağıdaki sırayla sağlar:

1. İki değişken arasındaki Pearson korelasyonu −.539’dur.
2. 421’lik bir N ile (serbestlik derecesi = N − 2 veya 419) bu korelasyon değerinin tesadüfen meydana gelme olasılığı, boş hipotezin doğru olması durumunda, .001’den küçüktür (çıktıda .000 olarak gösterilmiştir). ancak p<.001 olarak rapor edildi). Çıktı tablosunda .000’e çift tıklayarak kesin olasılığı görebiliriz.
3. Her iki değişkende de geçerli değerlere sahip 421 vaka vardı.

Korelasyon türlerine örnekler
Kısmi korelasyon örnekleri
Korelasyon formülü
Yüksek korelasyon Nedir
Pearson korelasyon nedir
Pozitif korelasyon
Pearson Korelasyon Tablosu yorumlama
Korelasyon Örnekleri

BİRÇOK DEĞİŞKEN ÇİFTLERİNİN İLİŞKİLENDİRİLMESİ

Birkaç değişken çifti için korelasyon çıktısını göstermek için, değişkenler kümesine neoneuro (nevrotiklik), posafect (pozitif duygulanım) ve neoconsc (özenlilik) ekledik, ancak aksi takdirde analizi açıklandığı gibi belirledik. Korelasyon matrisini gösteriyoruz.

Matrisin köşegeni, sol üstten sağa doğru açılı olarak kolayca görülebilir. Bir kare matriste, köşegenin üstündeki ve altındaki değerler gereksizdir. .05’lik bir alfa düzeyi göz önüne alındığında, tüm korelasyonlar istatistiksel olarak anlamlıdır.

Bu korelasyonlar, Seçenekler iletişim penceresindeki Vakaları ikili olarak hariç tut özelliği nedeniyle 419 ile 422 arasında değişen örnek boyutlarına dayanmaktadır. İkili dışlamada, bir korelasyon hesaplamasında yer alan iki değişkenden birinde değeri eksik olan (ve dolayısıyla bu hesaplamadan hariç tutulan) vakalar, eğer bu iki değişken üzerinde geçerli değerlere sahiplerse, başka bir hesaplamaya dahil edilmeye uygundur.

Spearman Rho ve Kendall Tau-b Sıra-Sıra Korelasyonları

Pearson korelasyonunun altında yatan varsayımlar karşılanamadığında, alternatif olarak uygulanabilecek parametrik olmayan korelasyon prosedürleri vardır. Genel olarak, parametrik olmayan prosedürler bir örnek parametresini (örn. örnek ortalaması) bir popülasyon parametresi (örn. popülasyon ortalaması) ile karşılaştırmaz ve dağılım hakkında daha az varsayımda bulunur (örn., normal bir dağılım gerektirmezler).

Ayrıca, parametrik olmayan prosedürler, kategorik (örneğin sıklık) veya sıralı ölçüm ölçeklerinde değerlendirilen değişkenlere uygulanabilir. Pearson korelasyonuna en sık kullanılan alternatiflerden ikisi, IBM SPSS®’deki İki Değişkenli Korelasyon prosedürüne dahil edilmiştir: Spearman rho ve Kendall tau-b korelasyonları. Her ikisi de sıralı ölçeklerde ölçülen değişkenlere uygulanabilir ve yalnızca ilişkinin monotonluğunu varsayar.

Sıralı ölçüm, yalnızca bilgiden daha fazlasını veya daha azını iletir ve sıralanmış verilerle temsil edilir. Spearman rho veya Kendall tau-b korelasyonlarını uygularken, X ve Y değişkenlerinin değerleri ilk önce bağımsız olarak sıralanır (her ne kadar Kendall tau-b ham verilere de uygulanabilirse de).

Sıralar daha sonra her bir puan çifti için ham puan değerleriyle değiştirilir ve daha sonra her biri için hesaplama yapılır. Dolayısıyla hiçbir korelasyon, verilerin yaklaşık aralık ölçümü olmasını gerektirmez ve hiçbir korelasyon da değişkenlerin yaklaşık olarak normal dağılmasını gerektirmez. Yalnızca sıralı bilgilerden yararlanılarak, Pearson r’yi ciddi ve olumsuz etkileyebilecek aykırı değerlerin etkisi, Spearman rho ve Kendall tau-b tarafından bertaraf edilir.

İki değişken arasında monoton bir ilişki, bir değişkenin daha yüksek değerleri diğerinin daha yüksek değerleriyle tutarlı bir şekilde ilişkilendirildiğinde veya bir değişkenin daha yüksek değerleri sürekli olarak diğerinin daha düşük değerleriyle ilişkilendirildiğinde ortaya çıkar. Pearson r tarafından değerlendirildiği üzere doğrusal bir ilişki, monotonik bir ilişkinin özel bir durumudur, ancak bazı diğer doğrusal olmayan ilişkiler (örneğin, eğik bir J şekilli fonksiyon) da monotondur ve bu nedenle Spearman rho ve Kendall tau tarafından değerlendirilebilir. 

Monotonluğun anahtarı, ilişkinin süreklilik boyunca bir yerde bir tersine dönüş göstermemesidir (örneğin, daha yüksek X değerleri, bir noktaya kadar Y üzerindeki daha yüksek değerlerle ilişkilendirilir ve daha sonra hala daha yüksek X değerleri, daha düşük Y değerleri ile ilişkilendirilir).

The post İKİLİ KORELASYON – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).