2. Korelacja i predykcja
• Korelacja – miara siły związku pomiędzy
dwiema zmiennymi
• Predykcja – oszacowanie wartości jednej
zmiennej na podstawie wartości drugiej
zmiennej (zmienne muszą być skorelowane) –
im wyższa korelacja tym dokładniejsza
predykcja
4. Diagram rozrzutu
• Pozwala nam ocenić z jakiego typu związkiem
między zmiennymi mamy do czynienia
– Czy jest to związek liniowy czy krzywoliniowy
5. Diagram rozrzutu
• Pozwala nam ocenić z jakiego typu związkiem
między zmiennymi mamy do czynienia
– Czy jest to związek dodatni czy ujemny
6. Korelacja
• Zakłada, że analizowane zmienne powiązane
są liniowo
• Może być ujemna lub dodatnia
– Korelacja dodatnia – związek liniowy, w którym
wysokie wyniki pierwszej zmiennej idą w parze z
wysokimi wynikami drugiej zmienne, a niskie z
niskimi
– Korelacja ujemna – związek liniowy, w którym
wysokie wyniki jednej zmiennej idą w parze z
niskimi wynikami drugiej zmiennej i odwrotnie
8. Korelacja – siła związku
• Korelacje różnią
się miedzy sobą
nie tylko
kierunkiem ale
również siłą
związku
9. Korelacja – siła związku
• Siłę związku wyraża się za pomocą
współczynnika korelacji
• Najpopularniejszym współczynnikiem korelacji
jest współczynnik korelacji według momentu
iloczynowego
– CZYLI współczynnik r Pearsona
– Inaczej r
10. Korelacja – siła związku
• Współczynnik r przyjmuje wartości od -1 do +1
– -1 oznacza idealną korelacją ujemną
– +1 oznacza idealną korelację ujemną
– 0 oznacza brak korelacji
• r<0 NIE oznacza braku korelacji – oznacza
korelację ujemną!
13. Jak policzyć współczynnik korelacji
Pearsona
• Z wykorzystaniem wyników z
(������������ ������������ )
– ������ =
������
• n – liczba par wyników
• Z wykorzystaniem odchylenia wyników
������−������ (������−������)
– ������ =
������ ������������ ������������
• Z wykorzystaniem wyników surowych
������−������ (������−������) ������−������ (������−������)
– ������ = =
(������−������)2 (������−������)2 (������������������ )(������������������ )
14. Nie tylko r Pearsona
• Współczynnik korelacji rangowej Spearmana
– ������������ lub rho
6 ������2
• ������������ = 1 −
������ (������2 −1)
– D – różnica między parą rang
– n – liczba par rang
• W przypadku braku rang wiązanych
współczynniki Pearsona oraz Spearmana
przyjmują tę samą wartość
15. Dygresja - rangowanie
• W przypadku rangowania powtarzających się
wyników, stosujemy tak zwane rangi wiązane
– Przydzielenie każdemu wynikowi średniej wartości
z tang, które przypisalibyśmy im, gdyby wyniki nie
były takie same
• Zbiór danych 4 5 5 8 11 11 11 15 19
• Rangi: 1 2,5 2,5 4 6 6 6 8 9
17. Korelacja – właściwości
• Na wielkość współczynników r oraz rho nie ma
wpływu żadna liniowa transformacja wyników:
dodawania, odejmowanie, mnożenie,
dzielenie
18. Korelacja – parę uwag
• Obliczanie współczynników korelacji jest
odpowiednie tylko wtedy gry mamy do czynienia
ze związkami liniowymi
– W przypadku związków nieliniowych, współczynnik
korelacji zostanie niedoszacowany
• Współczynnik korelacji jest wrażliwy na zakres
zmienności charakteryzujący pomiaru oby
zmiennych
– Im mniejszy zakres zmienności tym mniejsza wartość
bezwzględna współczynnika korelacji (jeśli inne
elementy pozostają niezmienione)
19. Korelacja – parę uwag
• Współczynnik korelacji jest wrażliwy na
zmienność próby
– Im mniejsza próba tym jest on bardziej niestabilny
20. Korelacja – parę uwag
• Nie ma czegoś takiego jak „unikatowy”
współczynnik korelacji dla jakiś dwóch
zmiennych
– Korelacji zależy od wielu czynników np. sposobu
pomiaru dlatego zawsze trzeba podawać dokładny
opis warunków badania oraz charakterystykę
zbioru danych
– Korelacja zmiennej A i B może różnić się pomiędzy
badaniami
21. • Zajęcia opracowanie na podstawie
– Statystyka dla psychologów i pedagogów, King i
Minium, PWN 2009