Hvad er de forskellige typer af korrelationer?

Forskellige former for korrelationer bruges i statistikker til at måle måder variablerne vedrører hinanden. For eksempel kan en observatør ved at bruge to variabler - high school class rang og college GPA - tegne en sammenhæng, at elever med en over gennemsnittet gymnasial placering typisk opnår en over gennemsnittet college GPA. Korrelationer måler også forholdets styrke, og hvorvidt korrelationen mellem variabler er positiv eller negativ. Den udførte korrelation afhænger af, om variablerne er ikke-numeriske eller intervalldata, såsom temperatur.

Pearson Product Moment Correlation

Pearson Product Moment Correlation blev opkaldt efter Karl Pearson, grundlægger af den matematiske statistik disciplin. Det betragtes som en simpel lineær korrelation, hvilket betyder, at forholdet mellem to variabler afhænger af, at de er konstante. Pearson bruges med interval data til at måle styrken af ​​en korrelation, som er repræsenteret ved bogstavet r i ligningen. Denne sammenhæng viser også, om forholdet er positivt eller negativt; repræsenteret af talværdier mellem +1 og -1. Jo tættere værdien af ​​r kommer til -1,00 eller +1,00, desto stærkere er sammenhængen. Jo tættere værdien af ​​r kommer til nummeret 0, jo svagere korrelationen. For eksempel, hvis r er lig med -90 eller .90, ville det indikere et stærkere forhold end -.09 eller .09.

Spearmans Rank Correlation

Spearmans Rank Correlation blev opkaldt efter statistiker Charles Edward Spearman. Spearmans ligning er enklere og bruges ofte i statistik i stedet for Pearson, selv om det er mindre afgørende. Socialforskere kan også bruge Spearman til at beskrive sammenhængen mellem kvalitative data, såsom etnicitet eller køn, og kvantitative data, såsom antallet af forbrydelser begået. Sammenhængen beregnes ved hjælp af en null-hypotese, der efterfølgende accepteres eller afvises. En null hypotese består normalt af et spørgsmål, der skal besvares; for eksempel om antallet af forbrydelser begået er det samme for mænd og kvinder.

Kendall Rank Correlation

Kendall Rank Correlation, der er opkaldt til den britiske statistiker Maurice Kendall, måler styrken af afhængighed mellem sætene af to tilfældige variabler. Kendall kan bruges til yderligere statistisk analyse, når en Spearmans korrelation afviser nulhypotesen. Det opnår en korrelation, når en variables værdi falder, og den anden variables værdi øges; denne sammenhæng betegnes som uoverensstemmende par. En korrelation kan også forekomme, når begge variabler øges samtidigt, der betegnes som et konkordant par.