همبستگی پیرسون

همبستگی پیرسون دو متغیره یک ضریب همبستگی نمونه r بوجود می آوردد که قدرت و جهت روابط خطی بین جفت متغیرهای پیوسته را اندازه گیری می کند. با گسترش همبستگی پیرسون ارزیابی می کند که آیا شواهد آماری برای یک رابطه خطی بین دو  متغیرهای مشابه در جامعه وجود دارد، که با ضریب همبستگی جمعیت، ρ (“rho”) نشان داده می شود. همبستگی پیرسون یک معیار پارامتریک است.

نکته:جهت انجام پروژه spss خود نیازمند آن هستید که  آموزش کافه پروژه را  از ابتدا ملاحظه نمایید لذا جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزشspss را در بخش جستجو وارد نمایید و اینتر بزنید

این کار به نام های زیر نیز شناخته می شود:

همبستگی پیرسون

همبستگی لحظه-محصول پیرسون (PPMC)

کاربردهای  که بطور همیشگی استفاده می شود

همبستگی پیرسون دو متغیره معمولاً برای اندازه گیری موارد زیر استفاده می شود:

همبستگی بین  متغیرهای جفتی

همبستگی های درون و بین مجموعه ای از متغیرها همبستگی دو متغیره پیرسون موارد زیر را نشان می دهد:

آیا یک رابطه خطی معنی دار آماری بین دو متغیر پیوسته وجود دارد یا خیر

قدرت یک رابطه خطی (یعنی چقدر این رابطه به یک خط کاملاً مستقیم نزدیک است)

جهت یک رابطه خطی (افزایش یا کاهش)

توجه: همبستگی پیرسون دو متغیره نمی تواند به روابط غیر خطی یا روابط بین متغیرهای طبقه بندی بپردازد. اگر می‌خواهید روابطی را که شامل متغیرهای طبقه‌بندی و/یا روابط غیرخطی هستند، آشنا شوید، باید معیار دیگری را برای این  ارتباط انتخاب کنید.

توجه: همبستگی پیرسون دو متغیره فقط ارتباط بین متغیرهای پیوسته را نشان می دهد. همبستگی پیرسون دو متغیره هیچ استنباطی در مورد علت این رابطه ارائه نمی دهد، صرف نظر از اینکه ضریب همبستگی چقدر زیاد باشد.

نکته: یک دیگر از نرم افزارهایی که می تواند در  رابطه با تحلیل داده ها به شما کمک کند لیزرل است که جهت سفارش پروژه اکسپرت چویس خود نیازمند آموزش کافه پروژه از ابتدا ملاحظه نمایید جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزشlisre l را در بخش جستجو وارد نمایید و اینتر بزنید

داده های مورد نیاز

برای استفاده از همبستگی پیرسون، داده های شما باید شرایط زیر را داشته باشند:

دو یا چند متغیر پیوسته (یعنی دارای سطح یا نسبت)

موارد باید دارای مقادیر غیرگم شده در هر دو متغیر باشند

رابطه خطی بین متغیرها

موارد مستقل (به عنوان مثال، استقلال مشاهدات)

هیچ رابطه ای بین مقادیر متغیرها بین موارد وجود ندارد. این بدان معنی است که:

مقادیر برای همه متغیرها در همه موارد نامرتبط هستند

در هر صورت، مقدار هر متغیری نمی تواند بر مقدار هر متغیری برای موارد دیگر تأثیر بگذارد

هیچ موردی نمی تواند مورد دیگری را در رابطه با  هر متغیری تحت تأثیر قرار دهد

ضریب همبستگی پیرسون دو سویه و آزمون معنی‌داری مربوطه در صورت نبودن استقلال قوی نیستند.

نرمال بودن دو متغیره

هر جفت متغیر به طور معمولی به صورت دو متغیره توزیع شده است

هر جفت متغیر به طور معمول به صورت دو متغیره در تمام سطوح متغیر(های) دیگر توزیع شده است.

این فرضیه تضمین می کند که متغیرها به صورت خطی مرتبط هستند. نبودن این فرضیه ممکن است نشان دهنده وجود روابط غیرخطی بین متغیرها باشد. خطی بودن را می توان به صورت بصری با استفاده از نمودار پراکندگی داده ها ارزیابی کرد.

نمونه تصادفی داده ها از جامعه

بدون موارد پرت

فرضیه ها

فرضیه صفر (H0) و فرضیه جایگزین (H1) آزمون معنی داری برای همبستگی را می توان به روش های زیر بیان کرد، بسته به اینکه آزمون یک دنباله یا دو دنباله درخواست شود:

آزمون معناداری دو طرفه:

H0: ρ = 0 (“ضریب همبستگی جمعیت ۰ است، هیچ ارتباطی وجود ندارد”)

H1: ρ ≠ ۰ (“ضریب همبستگی جمعیت ۰ نیست، ممکن است یک همبستگی غیر صفر وجود داشته باشد”)

آزمون معناداری یک طرفه:

H0: ρ = 0 (“ضریب همبستگی جمعیت ۰ است، هیچ ارتباطی وجود ندارد”)

H1: ρ > 0 (“ضریب همبستگی جمعیت بزرگتر از ۰ است، ممکن است همبستگی مثبت وجود داشته باشد”)

یا

H1: ρ < 0 (“ضریب همبستگی جمعیت کمتر از ۰ است، ممکن است همبستگی منفی وجود داشته باشد”)

که ρ ضریب همبستگی جمعیت است.

ممنون از اینکه آموزش های ما را دنبال می کنید این بخش از آموزش نرم افزار اس پی اس اس به اتمام رسید به زودی آموزش قسمت بعدی نرم افزار بر روی سایت منتشر می شود

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.