Online-kalkulátor A korrelációk teszteléséhez: Psychometrica

 váltás németre

a korrelációk jelentőségének vizsgálata

  1. független mintákból származó korrelációk összehasonlítása
  2. függő mintákból származó korrelációk összehasonlítása
  3. lineáris függetlenség vizsgálata (tesztelés 0-val szemben)
  4. korrelációk vizsgálata rögzített értékkel szemben
  5. korrelációk konfidencia intervallumainak kiszámítása
  6. Fisher-Z-transzformáció
  7. a Phi korrelációs együttható kiszámítása rphi a kategorikus adatokhoz
  8. a súlyozott átlag kiszámítása korrelációk
  9. a hatásméretek transzformációja r, d, f, Esélyarányés eta négyzet
  10. lineáris korrelációk kiszámítása

1. Független mintákból származó korrelációk összehasonlítása

a különböző mintákból kinyert korrelációk tesztelhetők egymással szemben. Példa: képzelje el, hogy tesztelni szeretné, ha a férfiak lényegesen gyorsabban növelik jövedelmüket, mint a nők. Például 1200 férfi és 980 nő életkorára és jövedelmére vonatkozó adatokat gyűjthet. A korreláció r = lehet .38 a férfi kohorszban és r = .31 nők esetében. Van-e jelentős különbség mindkét kohorsz korrelációjában?

n Ó
korreláció 1
korreláció 2
vizsgálati statisztika z
valószínűség p

(számítás Eid szerint, Gollwitzer & Schmidt, 2011, 547. oldal; egyoldalas teszt)

2. Függő minták korrelációinak összehasonlítása

ha több korrelációt is lekértek ugyanabból a mintából, ez az adatokon belüli függőség felhasználható a szignifikancia teszt teljesítményének növelésére. Tekintsük a következő fiktív példát:

  • 85 a 3. fokozatú gyermekeket intelligencia (1), számtani képességek (2) és szövegértés (3) tesztekkel tesztelték. Az intelligencia és az aritmetikai képességek közötti korreláció r12 = .53, az intelligencia és az olvasás korrelál az r13 = értékkel .41 és aritmetika és olvasás R23 = .59. Az intelligencia közötti korreláció az aritmetikai képességek között magasabb, mint az intelligencia és az olvasás megértése közötti korreláció?
n r12 r13 r23
vizsgálati statisztika z
Propability p

(számítás Eid et al., 2011, S. 548 f.; egyoldalas tesztelés)

3. Lineáris függetlenség tesztelése (tesztelés 0-val szemben)

a következő számológéppel tesztelheti, hogy a korrelációk eltérnek-e a nullától. A teszt a hallgató t-eloszlásán alapul, n-2 szabadságfokkal. Példa: 18 férfi bal lábának és orrának hosszát számszerűsítik. A hossz korrelál az r = értékkel .69. A korreláció jelentősen eltér a 0-tól?

n Ó
vizsgálati statisztika t
Propability p (egyoldalas)
Propability p (kétoldalas)

(számítás Eid et al., 2011, S. 542; kétoldalas teszt)

4. Korrelációk tesztelése fix értékkel

a következő számológép segítségével tesztelheti, hogy a korrelációk eltérnek-e a rögzített értéktől. A teszt A Fisher-Z-transzformációt használja.

n r ons
(érték, a korreláció
vizsgálva)
vizsgálati statisztika z
Propability p

(számítás Eid et al., 2011, S. 543f.; kétoldalas teszt)

5. A korrelációk konfidencia intervallumainak kiszámítása

a konfidencia intervallum meghatározza az értékek tartományát, amely egy adott valószínűséggel való korrelációt tartalmaz (konfidencia együttható). Minél nagyobb a konfidencia együttható, annál nagyobb a konfidencia intervallum. Általában, értékek körül .9 használják.

n r konfidencia
együttható
konfidencia intervallum

(számítás Eid et al., 2011, S. 545f.; kétoldalas teszt)
a számítás pontatlanná válik nagy mintaméretekkel és extrém korrelációs értékekkel a lebegőpontos számok korlátozott pontossága miatt a Javascript-ben.

6. Fisher-Z-transzformáció

a Fisher-Z-transzformáció a korrelációkat szinte normálisan elosztott mértékké alakítja. Sok korrelációs művelethez szükséges, pl. a korrelációk listájának átlagolásakor. A következő átalakító átalakítja a korrelációkat, és kiszámítja az inverz műveleteket is. Kérjük, vegye figyelembe, hogy a Fisher-Z nagybetűvel van beírva.

Érték Transzformáció Eredmény

7. A Phi korrelációs együttható kiszámítása rphi bináris adatok esetén

az rPhi olyan bináris adatok mérőszáma,mint például a különböző kategóriákba tartozó számok, pl. férfiak és nők vizsgáján. Kontingencia koefficiensnek vagy Yule Phi-nek is nevezik. Átalakítás dCohen keresztül történik a hatás mérete kalkulátor.

1. csoport csoport 2
kategória 1
kategória 2
rfi
hatás mérete dcohen

8. A korrelációk listájának súlyozott átlagának kiszámítása

a korrelációk ferde eloszlása miatt (lásd Fisher-Z-transzformáció), a korrelációk listájának átlagát nem lehet egyszerűen kiszámítani a számtani átlag felépítésével. Általában a korrelációkat Fisher-Z-értékekké alakítják át, és az esetek számával súlyozzák, mielőtt az átlagolást és az inverz Fisher-Z-vel történő átalakítást elvégzik. (2011, 544. o.) javasolja az Olkin & Pratt (1958) korrekciójának használatát, mivel a szimulációk azt mutatták, hogy pontosabban megbecsülik az átlagos korrelációt. A következő kalkulátor kiszámítja mind az Ön számára, a “hagyományos Fisher-Z-megközelítés” és az algoritmus Olkin és Pratt.

rFisher z rOlkin & Pratt

kérjük, töltse ki a korrelációkat az A oszlopba, az esetek számát pedig a B oszlopba. Végül kattintson az ” OK ” gombra a számítás megkezdéséhez. Néhány érték már kitöltött demonstrációs célokra.

9. A hatásméretek átalakítása r, d, f, Odds Ratioand eta négyzet

a korrelációk hatásméretet jelentenek. Számszerűsítik az empirikus hatás nagyságát. Számos más hatásméret-intézkedés is létezik, valószínűleg a dCohen a legjelentősebb. A különböző hatásméretek átalakíthatók egy másikba. Kérjük, nézze meg az online számológépeket az oldalon a Hatásméretek kiszámítása.

10. Lineáris korrelációk kiszámítása

az Online számológép kiszámítja két változó lineáris pearson vagy termék pillanat korrelációit. Kérjük, töltse ki az A oszlopban az 1.változó, a B oszlopban pedig a 2. változó értékeit, majd nyomja meg az ‘OK’gombot. Demonstrációként a magas pozitív korreláció értékei alapértelmezés szerint már ki vannak töltve.

adatok lineáris
korreláció
rPearson
meghatározás
együttható
r2
értelmezés

Irodalom

sok hipotézis tesztek ezen az oldalon alapulnak Eid et al. (2011). a Jstat a hallgató t-eloszlásának előállítására szolgál az egymással szembeni korrelációk tesztelésére. A táblázatkezelő elem alapja Handsontable.

  • Eid, M., Gollwitzer, M., & Schmitt, M. (2011). Statistik und Forschungsmethoden Lehrbuch. Weinheim: Beltz.

kérjük, használja a következő idézetet: Lenhard, W. & Lenhard, A. (2014). Hipotézis tesztek a korrelációk összehasonlítására. elérhető: https://www.psychometrica.de/correlation.html. Bibergau (Németország): Psychometrica. DOI: 10.13140 / RG.2.1.2954.1367

You might also like

Vélemény, hozzászólás?

Az e-mail-címet nem tesszük közzé.