- Teste Betydningen Av Korrelasjoner
- 1. Sammenligning av korrelasjoner fra uavhengige prøver
- 2. Sammenligning av korrelasjoner fra avhengige prøver
- 3. Testing lineær uavhengighet (Testing mot 0)
- 4. Teste korrelasjoner mot en fast verdi
- 5. Beregning av konfidensintervaller for korrelasjoner
- 6. Fisher-Z-Transformasjon
- 7. Beregning Av Phi korrelasjonskoeffisienten rPhi for binære data
- 8. Beregning av vektet gjennomsnitt av en liste over korrelasjoner
- 9. Transformasjon av effektstørrelsene r, d, f, Oddsforhold Og eta-kvadrat
- 10. Beregning Av Lineære Korrelasjoner
- Litteratur
Teste Betydningen Av Korrelasjoner
- Sammenligning av korrelasjoner fra uavhengige prøver
- Sammenligning av korrelasjoner fra avhengige prøver
- Testing av lineær uavhengighet (Testing mot 0)
- Testing av korrelasjoner mot en fast verdi
- Beregning av konfidensintervaller for korrelasjoner
- Fisher-Z-Transformasjon
- Beregning Av phi korrelasjonskoeffisienten rPhi for kategoridata
- beregning av vektet gjennomsnitt av en liste over korrelasjoner
- Transformasjon av effektstørrelsene r, d, f, Odds Ratioand eta square
- Beregning Av Lineære Korrelasjoner
1. Sammenligning av korrelasjoner fra uavhengige prøver
Korrelasjoner, som er hentet fra forskjellige prøver, kan testes mot hverandre. Eksempel: Tenk deg, du vil teste, hvis menn øker sin inntekt betydelig raskere enn kvinner. Du kan f. e. samle inn data om alder og inntekt fra 1 200 menn og 980 kvinner. Korrelasjonen kan utgjøre r = .38 i den mannlige kohorten og r = .31 kvinner. Er det en signifikant forskjell i korrelasjonen mellom begge kohorter?
| n | r | |
| Korrelasjon 1 | ||
| Korrelasjon 2 | ||
| Test Statistikk z | ||
| Sannsynlighet p | ||
(Beregning i Henhold Til Eid, Gollwitzer & Schmidt, 2011, s. 547; ensidig test)
2. Sammenligning av korrelasjoner fra avhengige prøver
hvis flere korrelasjoner er hentet fra samme utvalg, kan denne avhengigheten i dataene brukes til å øke effekten av signifikansprøven. Tenk på følgende fiktive eksempel:
- 85 barn fra 3. klasse har blitt testet med tester på intelligens (1), aritmetiske evner (2) og leseforståelse (3). Korrelasjonen mellom intelligens og aritmetiske evner utgjør r12 = .53, intelligens og lesing korrelerer med r13 = .41 og aritmetikk og lesing med r23 = .59. Er sammenhengen mellom intelligens en aritmetisk evner høyere enn sammenhengen mellom intelligens og leseforståelse?
| n | r12 | r13 | r23 |
| Test Statistikk z | |||
| Propability p | |||
(Beregning i henhold Til Eid et al., 2011, S. 548 f.; ensidig testing)
3. Testing lineær uavhengighet (Testing mot 0)
med følgende kalkulator kan du teste om korrelasjoner er forskjellige fra null. Testen er basert På Studentens t-fordeling med n – 2 frihetsgrader. Et eksempel: lengden på venstre fot og nesen på 18 menn er kvantifisert. Lengden korrelerer med r = .69. Er korrelasjonen signifikant forskjellig fra 0?
| n | r |
| Test Statistikk t | |
| Propability p (ensidig) | |
| Propability p (tosidig) |
(Beregning i henhold Til Eid et al., 2011, S. 542; tosidig test)
4. Teste korrelasjoner mot en fast verdi
med følgende kalkulator kan du teste om korrelasjoner er forskjellige fra en fast verdi. Testen bruker Fisher-Z-transformasjonen.
| n | r | ρ (verdi, korrelasjonen er testet mot) |
| Test Statistikk z | ||
| Propability p | ||
(Beregning i henhold Til Eid et al., 2011, S. 543f. ; tosidig test)
5. Beregning av konfidensintervaller for korrelasjoner
konfidensintervallet angir verdiområdet som inkluderer en korrelasjon med en gitt sannsynlighet (konfidenskoeffisient). Jo høyere konfidens koeffisient, jo større konfidensintervall. Vanligvis verdier rundt .9 brukes.
| n | r | Konfidens Koeffisient |
|
| Konfidensintervall | |||
(Beregning i henhold Eid et al., 2011, s. 545f.; tosidig test)
beregningen blir upresis med store utvalgsstørrelser og ekstreme korrelasjonsverdier på grunn av begrenset presisjon av flyttall i Javascript.
6. Fisher-Z-Transformasjon
Fisher-Z-Transformasjonen konverterer korrelasjoner til et nesten normalfordelt mål. Det er nødvendig for mange operasjoner med korrelasjoner, f. e. når gjennomsnitt en liste over korrelasjoner. Følgende omformer forvandler korrelasjonene, og den beregner også de inverse operasjonene. Vær oppmerksom på At Fisher-Z er skrevet store bokstaver.
| Verdi | Transformasjon | Resultat |
7. Beregning Av Phi korrelasjonskoeffisienten rPhi for binære data
rPhi er et mål for binære data som teller i forskjellige kategorier, f.eks. Det kalles også beredskapskoeffisient eller Yule ‘ S Phi. Transformasjon til dCohen gjøres via effektstørrelse kalkulator.
| Gruppe 1 | Gruppe 2 | |
| Kategori 1 | ||
| Kategori 2 | ||
| rPhi | ||
| Effekt Størrelse dcohen | ||
8. Beregning av vektet gjennomsnitt av en liste over korrelasjoner
På grunn av den skjeve fordelingen av korrelasjoner(Se Fisher-Z-Transformasjon), kan gjennomsnittet av en liste over korrelasjoner ikke bare beregnes ved å bygge det aritmetiske gjennomsnittet. Vanligvis blir korrelasjoner omdannet Til Fisher-Z-verdier og vektet av antall tilfeller før gjennomsnitt og omforming med en invers Fisher-Z. Selv om dette er den vanlige tilnærmingen, Eid et al. (2011, s. 544) foreslå å bruke korreksjonen Av Olkin & Pratt (1958) i stedet, da simuleringer viste det å estimere gjennomsnittlig korrelasjon mer presist. Følgende kalkulator beregner både for deg, den «tradisjonelle Fisher-Z-tilnærmingen» og algoritmen Til Olkin og Pratt.
| rFisher Z | rOlkin & Pratt | |
Vennligst fyll ut korrelasjonene i kolonne A og antall tilfeller i kolonne B. du kan også kopiere verdiene fra tabeller i regnearkprogrammet ditt. Til slutt klikker du PÅ » OK » for å starte beregningen. Noen verdier allerede fylt ut for demonstrasjonsformål.
9. Transformasjon av effektstørrelsene r, d, f, Oddsforhold Og eta-kvadrat
Korrelasjoner er et effektstørrelsesmål. De kvantifiserer størrelsen på en empirisk effekt. Det finnes en rekke andre effekt størrelse tiltak også, med dCohen trolig være den mest fremtredende. De forskjellige effektstørrelsesmålene kan konverteres til en annen. Vennligst ta en titt på online kalkulatorer på Siden Beregning Av Effektstørrelser.
10. Beregning Av Lineære Korrelasjoner
Online-Kalkulatoren beregner lineære pearson eller produktmomentkorrelasjoner av to variabler. Vennligst fyll ut verdiene for variabel 1 i kolonne A og verdiene for variabel 2 i kolonne B og trykk ‘OK’. Som en demonstrasjon er verdier for en høy positiv korrelasjon allerede fylt ut som standard.
| data | lineær Korrelasjon rPearson |
Bestemmelse koeffisient r2 |
Tolkning |
Litteratur
mange hypotesetester på denne siden er basert På Eid m.fl .. (2011). jStat brukes til å generere Studentens t-distribusjon for å teste korrelasjoner mot hverandre. Regnearket element er basert På Handsontable.
- Eid, M., Gollwitzer, M., & Schmitt, M. (2011). Statistikk og Forschungsmetode Lehrbuch. Beltz.
Vennligst bruk følgende sitat: Lenhard, W. & Lenhard, A. (2014). Hypotesetester For Å Sammenligne Korrelasjoner. tilgjengelig: https://www.psychometrica.de/correlation.html. Bibergau (Tyskland): Psykometrica. DOI: 10.13140 / RG.2.1.2954.1367