Spearmanin korrelaatiokerroin. Rankman korrelaatiokerroin

"Korkeamman matematiikan" kurinalaisuus aiheuttaa joissakin tapauksissa hylkäämisen, koska tosiasiassa kaikille ei ole annettu ymmärtää sitä. Mutta niillä, jotka olivat kyllin kykeneviä opiskelemaan tätä aihetta ja ratkaisemaan ongelmia erilaisten yhtälöiden ja kertoimien avulla, voi olla melkein täydellinen ymmärrys siinä. Psykologiassa ei ole pelkästään humanitaarista suuntautumista, vaan myös tiettyjä kaavoja ja menetelmiä tutkimuksen aikana esitetyn hypoteesin matemaattiseen todentamiseen. Tätä varten käytetään erilaisia kertoimia.

Spearmanin korrelaatiokerroin

Tämä on yhteinen mittaus määritelmän mukaan kahden eri ominaisuuden välisen yhteyden tiukkuudesta. Kerrointa kutsutaan myös ei-parametriseksi menetelmäksi. Se näyttää yhteystilastot. Toisin sanoen tiedämme esimerkiksi, että lapsen aggressio ja ärtyisyys ovat yhteydessä toisiinsa ja Spearmanin korrelaatiokerroin osoittaa näiden kahden ominaisuuden tilastollisen matemaattisen suhteen.

Miten ranking-kerroin lasketaan?

Luonnollisesti kaikilla matemaattisilla määritelmillä tai määrillä on laskentakaavat. Sillä on myös Spearmanin korrelaatiokerroin. Hänen kaava on:

Ensi silmäyksellä kaava ei ole täysin selvä, mutta jos ymmärrät, kaikkea on helppo laskea:

• N on sijoittuneiden ominaisuuksien tai indikaattoreiden määrä.
• D on kunkin määritellyn kahden muuttujan vastaavan kahden määrätyn rivin ero.
• Σd ^{2 on} kaikkien neliöiden summa erotusarvon ominaisarvon mukaan, jonka neliöt lasketaan erikseen kullekin arvolle.

Viestinnän matemaattisen mittauksen laajuus

Sijoituskertoimen soveltamiseksi on tarpeen, että ominaisuuden kvantitatiiviset ominaisuudet luokitellaan, eli niille on annettu tietty määrä riippuen siitä, missä määrin attribuutti sijaitsee ja sen arvosta. On osoitettu, että kaksi merkkisarjaa, jotka ilmaistaan numeerisena, ovat jonkin verran rinnakkaisia toisiinsa nähden. Spearmanin arvon korrelaatiokerroin määrittää tämän rinnakkaisuuden asteen, merkkien yhteyden tiukkuuden.

Matemaattisen toiminnan avulla, jolla lasketaan ja määritetään ominaisuuksien suhde käyttäen määritettyä kerrointa, on suoritettava joitain toimenpiteitä:

1. Jokaisen kohteen tai ilmiön arvolle annetaan järjestysluokan numero. Se voi vastata ilmiön arvoa nousevassa ja laskevassa järjestyksessä.
2. Lisäksi verrataan kahden kvantitatiivisen sarjan ominaisuuksien arvon rivejä niiden välisen eron määrittämiseksi.
3. Taulukon erillisessä sarakkeessa, jokaisesta syntyvästä erosta, sen neliö on määrätty ja tulokset on esitetty alla.
4. Näiden toimien jälkeen lasketaan Spearman-korrelaatiokerroin kaava.

Korrelaatiokertoimen ominaisuudet

Spearman-kertoimen tärkeimmät ominaisuudet ovat seuraavat:

• Mittausarvot välillä -1 ja 1.
• Tulkintakertoimen merkki ei ole.
• Yhteyden tiukkuus määräytyy periaatteen mukaan: sitä korkeampi arvo, sitä lähempää yhteyttä.

Miten tarkistetaan vastaanotettu arvo?

Sinun on suoritettava tiettyjä toimia, jotta voit tarkistaa omien ominaisuuksien välisen suhteen:

1. Nollahypoteesi (H0) on edistynyt, se on perus, sitten toinen muotoillaan, vaihtoehtona ensimmäiselle (H1). Ensimmäinen hypoteesi on, että Spearmanin korrelaatiokerroin on 0, mikä tarkoittaa, ettei yhteyttä ole. Toinen päinvastoin sanoo, että kerroin ei ole yhtä kuin 0, sitten on yhteys.
2. Seuraava askel on löytää kriteerin havaittu arvo. Se löytyy Spearman-kertoimen peruskaavasta.
3. Lisäksi löydetään kriteerin kriittiset arvot. Tämä voidaan tehdä vain käyttämällä erityistä taulukkoa, jossa esitetään eri arvot tietyille indikaattoreille: merkitystaso (l) ja numero, joka määrittää näytteen koon (n).
4. Nyt meidän on verrattava kahta saavutettua arvoa: havaittu havaittu ja myös kriittinen arvo. Tätä varten on tarpeen rakentaa kriittinen alue. On tarpeen tehdä suora viiva, merkitä kertoimen kriittisen arvon pisteillä "-" -merkillä ja "+" -merkillä. Kriittisten arvojen vasemmalla ja oikealla puolella kriittiset alueet asetetaan puolipyöreiksi pisteistä. Keskellä, jossa yhdistetään kaksi arvoa, on merkitty OPG: n puoliympyrä.
5. Tämän jälkeen tehdään päätelmä kahden merkin välisen yhteyden tiukkuudesta.

Missä on parempi käyttää tätä arvoa?

Ensimmäinen tiede, jossa tätä kerrointa käytettiin aktiivisesti, oli psykologia. Loppujen lopuksi tämä on tiede, joka ei perustu lukuihin, mutta osoittaa kaikki tärkeät hypoteesit suhteiden kehittymisestä, ihmisten luonteenpiirteistä, opiskelijoiden tietämyksestä, päätelmien tilastollisesta vahvistamisesta. Sitä käytetään myös talouteen, erityisesti valuutan vaihtuvuuteen. Täällä merkit arvioidaan ilman tilastoja. Spearmanin korrelaatiokerroin tässä sovellusalassa on erittäin kätevää, kun arviointi suoritetaan riippumattomasti muuttujien jakaumasta, koska ne on korvattu rankinumerolla. Spearmanin pankkitoiminnan kerrointa sovelletaan aktiivisesti. Sosiologia, poliittinen tiede, demografia ja muut tieteet käyttävät sitä myös opinnoissaan. Tulokset saadaan nopeasti ja mahdollisimman tarkasti.

Excelilla on kätevää ja nopeaa käyttää Spearman-korrelaatiokerrointa. On olemassa erityistoimintoja, joiden avulla saat nopeasti tarvittavat arvot.

Mitä muita korrelaatiokertoimia on olemassa?

Sen lisäksi, mitä olemme oppineet Spearmanin korrelaatiokertoimesta, on vielä erilaisia korrelaatiokertoimia, joiden avulla voimme mitata, arvioida kvalitatiivisia ominaisuuksia, kvantitatiivisten ominaisuuksien suhdetta ja niiden välisen suhteen tiukkuutta. Nämä ovat tekijöitä, kuten biserial, rank-biserial, contigents, associations, ja niin edelleen. Spearman-kerroin osoittaa erittäin tarkasti yhteyden tiukkuuden, toisin kuin kaikki muut matemaattisen määrityksen menetelmät.