tgoop.com/SPSS_SEM/922
Last Update:
👌👈آزمون همبستگی پارامتریک :
🔴آزمون همبستگی پیرسون (Pearson Correlation Coefficient)
ضریب همبستگی برای توصیف شدت رابطه بین متغیرها به کار میرود.
رابطه علت و معلولی را نمیتوان از همبستگی استنباط کرد. یعنی میتواند متغیر سومی وجود داشته باشد که ارتباط بین دو متغیر مورد مقایسه را توصیف کند. برای مثال، تحقیقات نشان میدهد بین اضطراب مادران و یادگیری کودکان رابطه معکوس وجود دارد. ممکن است کاهش یادگیری کودک و اضطراب مادر ناشی از علل دیگری مانند درآمد پایین خانواده، مشکلات ژنتیکی و غیره باشد
گاهی بین متغیرها همبستگی ساختگی، مصنوعی یا مجازی وجود دارد. درحالیکه احتمالاً رابطه و قطعاً رابطه علی بین آنها وجود ندارد. برای مثال بین هوش و رنگ چشم افراد همبستگی وجود دارد.
همچنین همبستگیای که در یک نمونه قابل ملاحظه است، ممکن است در نمونه دیگر معادل صفر باشد.
ضریب همبستگی پیرسون، جزء آزمونهای آماری پارامتریک محسوب میشود که نشان دهنده درجه رابطه خطی بین دو متغیر است و توسط کارل پیرسون ارائه شده و آن را با حرف r نشان میدهند. مقدار آن بین دو عدد ۱+ و ۱- تغییر میکند. مقدار قدر مطلق ضریب همبستگی، شدت یا درجه رابطه بین دو متغیر و علامت آن (مثبت یا منفی) جهت رابطه (مستقیم یا معکوس) را نشان میدهد. ضریب همبستگی پیرسون یک شاخص متقارن است. یعنی همبستگی بین متغیرهای X و Y با همبستگی بین متغیرهای Y و X برابر است.
🔵پیش فرضهای ضریب همبستگی پیرسون
استفاده از ضریب همبستگی پیرسون مستلزم پیش فرضهای زیر است:
📉مقیاس متغیرها حداقل فاصلهای باشد.
📈توزیعها تقریباً نرمال باشند.
📊رابطه بین دو متغیر خطی باشد. نمودار پراکندگی، ساده ترین روش برای بررسی خطی یا غیرخطی بودن رابطهی بین متغیرها میباشد.
📉شرط یکسانی واریانسها رعایت شود به عبارت دیگر، باید نمودار پراکندگی یکسان باشد. به این معنی که عرض نقاط در سرتاسر نمودار یکسان باشد.
🔗لینک کانال : @SPSS_SEM
BY 📈 تحلیلگران آماری 📉
Share with your friend now:
tgoop.com/SPSS_SEM/922