ค่าสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมนเป็นวิธีการแบบไม่อิงพารามิเตอร์ ซึ่งใช้ในการศึกษาความสัมพันธ์ระหว่างปรากฏการณ์ทางสถิติ ในกรณีนี้ ระดับที่แท้จริงของความขนานระหว่างชุดเชิงปริมาณสองชุดของคุณลักษณะที่ศึกษาจะถูกกำหนด และการประเมินความใกล้ชิดของการเชื่อมต่อที่สร้างขึ้นนั้นจะได้รับโดยใช้สัมประสิทธิ์ที่แสดงเชิงปริมาณ
1. ประวัติความเป็นมาของการพัฒนาค่าสัมประสิทธิ์สหสัมพันธ์อันดับ
เกณฑ์นี้ได้รับการพัฒนาและเสนอเพื่อการวิเคราะห์สหสัมพันธ์ในปี พ.ศ. 2447 ชาร์ลส์ เอ็ดเวิร์ด สเปียร์แมนนักจิตวิทยาชาวอังกฤษ ศาสตราจารย์จากมหาวิทยาลัยลอนดอนและเชสเตอร์ฟิลด์
2. ค่าสัมประสิทธิ์สเปียร์แมนใช้ทำอะไร?
ค่าสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมนใช้เพื่อระบุและประเมินความใกล้ชิดของความสัมพันธ์ระหว่างการเปรียบเทียบสองชุด ตัวชี้วัดเชิงปริมาณ- ในกรณีที่อันดับของตัวบ่งชี้เรียงตามระดับการเพิ่มขึ้นหรือลดลง ในกรณีส่วนใหญ่ตรงกัน ( มูลค่าที่สูงขึ้นตัวบ่งชี้ตัวหนึ่งสอดคล้องกับค่าที่สูงกว่าของตัวบ่งชี้อื่น - ตัวอย่างเช่น เมื่อเปรียบเทียบส่วนสูงและน้ำหนักตัวของผู้ป่วย) ก็สรุปได้ว่ามี ตรงการเชื่อมต่อความสัมพันธ์ หากอันดับของตัวบ่งชี้มีทิศทางตรงกันข้าม (ค่าที่สูงกว่าของตัวบ่งชี้ตัวหนึ่งสอดคล้องกับค่าที่ต่ำกว่าของตัวบ่งชี้อีกตัวหนึ่ง - ตัวอย่างเช่น เมื่อเปรียบเทียบอายุและอัตราการเต้นของหัวใจ) แล้วพวกเขาก็พูดถึง ย้อนกลับการเชื่อมต่อระหว่างตัวบ่งชี้
- ค่าสัมประสิทธิ์สหสัมพันธ์สเปียร์แมนมีคุณสมบัติดังต่อไปนี้:
- ค่าสัมประสิทธิ์สหสัมพันธ์สามารถรับค่าจากลบหนึ่งต่อหนึ่ง และด้วย rs=1 จะมีความสัมพันธ์โดยตรงอย่างเคร่งครัด และด้วย rs= -1 จะมีความสัมพันธ์แบบตอบรับอย่างเคร่งครัด
- หากค่าสัมประสิทธิ์สหสัมพันธ์เป็นลบ แสดงว่ามีความสัมพันธ์แบบตอบรับ หากเป็นบวก แสดงว่ามีความสัมพันธ์โดยตรง
- หากค่าสัมประสิทธิ์สหสัมพันธ์เป็นศูนย์ แสดงว่าปริมาณนั้นแทบไม่มีความเชื่อมโยงกัน
- ยิ่งโมดูลของสัมประสิทธิ์สหสัมพันธ์เข้าใกล้ความสามัคคีมากเท่าไร ความสัมพันธ์ระหว่างปริมาณที่วัดก็จะยิ่งแข็งแกร่งขึ้นเท่านั้น
3. สามารถใช้สัมประสิทธิ์สเปียร์แมนได้ในกรณีใดบ้าง?
เนื่องจากค่าสัมประสิทธิ์เป็นวิธีการ การวิเคราะห์แบบไม่ใช้พารามิเตอร์ไม่จำเป็นต้องทดสอบการแจกแจงแบบปกติ
ตัวชี้วัดที่เทียบเคียงสามารถวัดได้ทั้งใน ขนาดต่อเนื่อง(เช่น จำนวนเม็ดเลือดแดงในเลือด 1 ไมโครลิตร) และใน ลำดับ(เช่น คะแนนการประเมินผู้เชี่ยวชาญตั้งแต่ 1 ถึง 5)
ประสิทธิภาพและคุณภาพของการประเมิน Spearman จะลดลงหากความแตกต่างระหว่าง ความหมายที่แตกต่างกันปริมาณที่วัดได้ใดๆ ก็มากเพียงพอ ไม่แนะนำให้ใช้สัมประสิทธิ์สเปียร์แมนหากมีการกระจายค่าของปริมาณที่วัดได้ไม่สม่ำเสมอ
4. จะคำนวณสัมประสิทธิ์สเปียร์แมนได้อย่างไร?
การคำนวณค่าสัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมนมีขั้นตอนต่อไปนี้:
5. จะตีความค่าสัมประสิทธิ์สเปียร์แมนได้อย่างไร?
เมื่อใช้ค่าสัมประสิทธิ์สหสัมพันธ์อันดับ ความใกล้ชิดของการเชื่อมต่อระหว่างคุณลักษณะจะได้รับการประเมินตามเงื่อนไข โดยพิจารณาค่าสัมประสิทธิ์เท่ากับ 0.3 หรือน้อยกว่าเป็นตัวบ่งชี้การเชื่อมต่อที่อ่อนแอ ค่าที่มากกว่า 0.4 แต่น้อยกว่า 0.7 เป็นตัวบ่งชี้ความใกล้ชิดของการเชื่อมต่อปานกลาง และค่า 0.7 ขึ้นไปเป็นตัวบ่งชี้ความใกล้ชิดของการเชื่อมต่อสูง
นัยสำคัญทางสถิติของสัมประสิทธิ์ที่ได้รับประเมินโดยใช้การทดสอบของนักเรียน หากค่าการทดสอบทีที่คำนวณได้น้อยกว่าค่าตารางสำหรับจำนวนองศาอิสระที่กำหนด นัยสำคัญทางสถิติไม่มีความสัมพันธ์ที่สังเกตได้ หากมากกว่านั้น ถือว่าสหสัมพันธ์มีนัยสำคัญทางสถิติ
หากมีค่าสองชุดขึ้นอยู่กับการจัดอันดับ ก็มีเหตุผลในการคำนวณความสัมพันธ์ของอันดับสเปียร์แมน
ซีรี่ส์ดังกล่าวสามารถแสดงได้:
- ลักษณะคู่ที่กำหนดในกลุ่มวัตถุเดียวกันที่กำลังศึกษา
- คู่ของคุณลักษณะรองของแต่ละบุคคลซึ่งกำหนดไว้ในวัตถุที่ศึกษา 2 ชิ้นตามลักษณะชุดเดียวกัน
- ลักษณะรองของกลุ่มคู่หนึ่ง
- การอยู่ใต้บังคับบัญชาของลักษณะเฉพาะบุคคลและกลุ่ม
วิธีการนี้เกี่ยวข้องกับตัวบ่งชี้การจัดอันดับแยกกันสำหรับแต่ละคุณลักษณะ
ค่าที่น้อยที่สุดจะมีอันดับน้อยที่สุด
วิธีนี้หมายถึงวิธีการทางสถิติแบบไม่อิงพารามิเตอร์ซึ่งออกแบบมาเพื่อสร้างความสัมพันธ์ระหว่างปรากฏการณ์ที่กำลังศึกษาอยู่:
- การกำหนดระดับที่แท้จริงของความขนานระหว่างข้อมูลเชิงปริมาณสองชุด
- การประเมินความใกล้ชิดของการเชื่อมต่อที่ระบุ ซึ่งแสดงออกมาในเชิงปริมาณ
การวิเคราะห์สหสัมพันธ์
วิธีการทางสถิติที่ออกแบบมาเพื่อระบุความสัมพันธ์ระหว่างค่าสุ่ม 2 ค่าขึ้นไป (ตัวแปร) รวมถึงความแข็งแกร่งของค่านั้นเรียกว่าการวิเคราะห์สหสัมพันธ์
ได้ชื่อมาจาก correlatio (lat.) - อัตราส่วน
เมื่อใช้งาน อาจเกิดสถานการณ์ต่อไปนี้:
- การมีความสัมพันธ์ (บวกหรือลบ);
- ไม่มีความสัมพันธ์กัน (ศูนย์)
หากมีการสร้างความสัมพันธ์ระหว่างตัวแปร เรากำลังพูดถึงความสัมพันธ์ของตัวแปรเหล่านั้น กล่าวอีกนัยหนึ่ง เราสามารถพูดได้ว่าเมื่อค่าของ X เปลี่ยนแปลง การเปลี่ยนแปลงตามสัดส่วนของค่าของ Y จะต้องถูกสังเกตด้วย
มีการใช้มาตรการการสื่อสาร (สัมประสิทธิ์) ต่างๆ เป็นเครื่องมือ
ทางเลือกของพวกเขาได้รับอิทธิพลจาก:
- วิธีการวัดตัวเลขสุ่ม
- ลักษณะของการเชื่อมต่อระหว่างตัวเลขสุ่ม
การมีอยู่ของความสัมพันธ์สหสัมพันธ์สามารถแสดงเป็นกราฟ (กราฟ) และใช้ค่าสัมประสิทธิ์ (แสดงตัวเลข)
ความสัมพันธ์สหสัมพันธ์มีลักษณะเด่นดังนี้:
- ความแรงของการเชื่อมต่อ (โดยมีค่าสัมประสิทธิ์สหสัมพันธ์ตั้งแต่ ±0.7 ถึง ±1 – แรง; จาก ±0.3 ถึง ±0.699 – เฉลี่ย; จาก 0 ถึง ±0.299 – อ่อน)
- ทิศทางของการสื่อสาร (โดยตรงหรือย้อนกลับ)
เป้าหมายของการวิเคราะห์สหสัมพันธ์
การวิเคราะห์สหสัมพันธ์ไม่อนุญาตให้เราสร้างความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรที่กำลังศึกษาอยู่
ดำเนินการเพื่อวัตถุประสงค์ในการ:
- การสร้างความสัมพันธ์ระหว่างตัวแปร
- การได้รับข้อมูลบางอย่างเกี่ยวกับตัวแปรตามตัวแปรอื่น
- การกำหนดความใกล้ชิด (การเชื่อมต่อ) ของการพึ่งพาอาศัยกันนี้
- กำหนดทิศทางของการเชื่อมต่อที่กำหนดไว้
วิธีการวิเคราะห์สหสัมพันธ์
การวิเคราะห์นี้สามารถทำได้โดยใช้:
- วิธีสี่เหลี่ยมหรือเพียร์สัน
- วิธีการอันดับหรือสเปียร์แมน
วิธี Pearson ใช้สำหรับการคำนวณที่ต้องการ คำจำกัดความที่แม่นยำแรงที่มีอยู่ระหว่างตัวแปร ลักษณะที่ศึกษาด้วยความช่วยเหลือควรแสดงออกมาในเชิงปริมาณเท่านั้น
หากต้องการใช้วิธีการสเปียร์แมนหรือความสัมพันธ์อันดับ ไม่มีข้อกำหนดที่เข้มงวดสำหรับการแสดงออกของคุณลักษณะ - อาจเป็นได้ทั้งเชิงปริมาณและเชิงระบุแหล่งที่มา ด้วยวิธีนี้ทำให้ได้ข้อมูลไม่เกี่ยวกับการกำหนดความแข็งแกร่งของการเชื่อมต่อที่แน่นอน แต่มีลักษณะโดยประมาณ
แถวตัวแปรอาจมีตัวแปรที่เปิดอยู่ เช่น เมื่อประสบการณ์การทำงานแสดงเป็นค่าต่างๆ เช่น สูงสุด 1 ปี, มากกว่า 5 ปี เป็นต้น
ค่าสัมประสิทธิ์สหสัมพันธ์
ปริมาณทางสถิติที่แสดงลักษณะการเปลี่ยนแปลงของตัวแปรสองตัวเรียกว่าค่าสัมประสิทธิ์สหสัมพันธ์หรือค่าสัมประสิทธิ์สหสัมพันธ์คู่ ในแง่ปริมาณ จะมีค่าตั้งแต่ -1 ถึง +1
อัตราต่อรองที่พบบ่อยที่สุดคือ:
- เพียร์สัน– ใช้ได้กับตัวแปรที่อยู่ในมาตราส่วนช่วงเวลา
- สเปียร์แมน– สำหรับตัวแปรสเกลลำดับ
ข้อจำกัดของการใช้สัมประสิทธิ์สหสัมพันธ์
การได้รับข้อมูลที่ไม่น่าเชื่อถือเมื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์เป็นไปได้ในกรณีที่:
- มีค่าตัวแปรเพียงพอ (การสังเกต 25-100 คู่)
- ระหว่างตัวแปรที่กำลังศึกษา เช่น ความสัมพันธ์กำลังสองถูกสร้างขึ้น แทนที่จะเป็นความสัมพันธ์เชิงเส้น
- ในแต่ละกรณีข้อมูลมีการสังเกตมากกว่าหนึ่งรายการ
- การมีอยู่ของค่าผิดปกติ (ค่าผิดปกติ) ของตัวแปร
- ข้อมูลภายใต้การศึกษาประกอบด้วยกลุ่มย่อยของการสังเกตที่แตกต่างอย่างชัดเจน
- การมีอยู่ของความสัมพันธ์ไม่อนุญาตให้เราระบุได้ว่าตัวแปรใดที่ถือได้ว่าเป็นสาเหตุและสิ่งใดที่ตามมา
การตรวจสอบความสำคัญของความสัมพันธ์
ในการประเมินปริมาณทางสถิติ จะใช้แนวคิดเรื่องนัยสำคัญหรือความน่าเชื่อถือ ซึ่งระบุลักษณะความน่าจะเป็นที่ปริมาณหรือค่าสุดขั้วจะเกิดขึ้นแบบสุ่ม
วิธีที่ใช้กันทั่วไปในการพิจารณาความสำคัญของความสัมพันธ์คือการทดสอบของนักเรียน
ค่าของมันจะถูกเปรียบเทียบกับค่าตาราง จำนวนองศาอิสระจะถูกถือเป็น 2 เมื่อได้รับค่าที่คำนวณได้ของเกณฑ์มากกว่าค่าตาราง สิ่งนี้บ่งบอกถึงความสำคัญของสัมประสิทธิ์สหสัมพันธ์
เมื่อคำนวณทางเศรษฐศาสตร์ ระดับความเชื่อมั่น 0.05 (95%) หรือ 0.01 (99%) ก็ถือว่าเพียงพอแล้ว
อันดับสเปียร์แมน
ค่าสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมนช่วยให้คุณสร้างความสัมพันธ์ระหว่างปรากฏการณ์ทางสถิติได้ การคำนวณเกี่ยวข้องกับการสร้างหมายเลขลำดับ – อันดับ – สำหรับแต่ละคุณลักษณะ อันดับสามารถขึ้นหรือลงได้
จำนวนคุณสมบัติขึ้นอยู่กับการจัดอันดับสามารถเป็นเท่าใดก็ได้ นี่เป็นกระบวนการที่ค่อนข้างใช้แรงงานเข้มข้นซึ่งจำกัดจำนวน ความยากลำบากเริ่มต้นเมื่อคุณไปถึง 20 สัญญาณ
ในการคำนวณค่าสัมประสิทธิ์สเปียร์แมน ให้ใช้สูตร:
โดยที่:
n – แสดงจำนวนของคุณสมบัติที่ได้รับการจัดอันดับ;
d ไม่มีอะไรมากไปกว่าความแตกต่างระหว่างอันดับของตัวแปรสองตัว
และ ∑(d2) คือผลรวมของผลต่างอันดับกำลังสอง
การประยุกต์การวิเคราะห์ความสัมพันธ์ทางจิตวิทยา
การสนับสนุนทางสถิติ การวิจัยทางจิตวิทยาช่วยให้คุณทำให้พวกเขามีวัตถุประสงค์มากขึ้นและเป็นตัวแทนได้สูง การประมวลผลข้อมูลทางสถิติที่ได้รับระหว่างการทดลองทางจิตวิทยาช่วยในการดึงข้อมูลที่เป็นประโยชน์สูงสุด
วิธีที่ใช้กันอย่างแพร่หลายในการประมวลผลผลลัพธ์คือการวิเคราะห์สหสัมพันธ์
เหมาะสมที่จะดำเนินการวิเคราะห์ความสัมพันธ์ของผลลัพธ์ที่ได้รับระหว่างการวิจัย:
- ความวิตกกังวล (ตามการทดสอบโดย R. Temml, M. Dorca, V. Amen);
- แบบสอบถามความสัมพันธ์ในครอบครัว ("การวิเคราะห์ความสัมพันธ์ในครอบครัว" (AFV) แบบสอบถามโดย E.G. Eidemiller, V.V. Yustitskis);
- ระดับภายใน - ภายนอก (แบบสอบถามโดย E.F. Bazhin, E.A. Golynkina และ A.M. Etkind);
- ระดับ ความเหนื่อยหน่ายทางอารมณ์ในหมู่ครู (แบบสอบถามโดย V.V. Boyko);
- การเชื่อมโยงระหว่างองค์ประกอบของความฉลาดทางวาจาของนักเรียนในระหว่างการฝึกอบรมสหสาขาวิชาชีพ (วิธีการโดย K.M. Gurevich และคนอื่น ๆ )
- การเชื่อมโยงระหว่างระดับความเห็นอกเห็นใจ (วิธีของ V.V. Boyko) และความพึงพอใจในชีวิตสมรส (แบบสอบถามโดย V.V. Stolin, T.L. Romanova, G.P. Butenko)
- ความเชื่อมโยงระหว่างสถานะทางสังคมมิติของวัยรุ่น (การทดสอบของ Jacob L. Moreno) และลักษณะของรูปแบบการศึกษาครอบครัว (แบบสอบถามโดย E.G. Eidemiller, V.V. Yustitskis)
- โครงสร้างเป้าหมายชีวิตของวัยรุ่นที่เลี้ยงดูในครอบครัวที่มีพ่อหรือแม่สองคนและครอบครัวเลี้ยงเดี่ยว (แบบสอบถาม Edward L. Deci, Richard M. Ryan Ryan)
คำแนะนำโดยย่อสำหรับการดำเนินการวิเคราะห์ความสัมพันธ์โดยใช้เกณฑ์ Spearman
ดำเนินการวิเคราะห์สหสัมพันธ์โดยใช้วิธีของสเปียร์แมน ตามอัลกอริทึมต่อไปนี้:
- ลักษณะที่เปรียบเทียบได้คู่จะจัดเรียงเป็น 2 แถวซึ่งหนึ่งในนั้นถูกกำหนดโดย X และอีกอันถูกกำหนดโดย Y
- ค่าของซีรีย์ X จัดเรียงจากน้อยไปหามากหรือจากมากไปน้อย
- ลำดับของการจัดเรียงค่าของซีรีย์ Y จะถูกกำหนดโดยการสอดคล้องกับค่าของซีรีย์ X
- สำหรับแต่ละค่าในซีรีย์ X ให้กำหนดอันดับ - กำหนดหมายเลขซีเรียลจากค่าต่ำสุดไปเป็นค่าสูงสุด
- สำหรับแต่ละค่าในซีรีส์ Y ให้กำหนดอันดับด้วย (จากต่ำสุดไปสูงสุด)
- คำนวณความแตกต่าง (D) ระหว่างอันดับ X และ Y โดยใช้สูตร D=X-Y
- ค่าผลต่างที่ได้จะถูกยกกำลังสอง
- ดำเนินการรวมกำลังสองของผลต่างอันดับ
- ทำการคำนวณโดยใช้สูตร:
ตัวอย่างความสัมพันธ์ของสเปียร์แมน
มีความจำเป็นต้องสร้างความสัมพันธ์ระหว่างประสบการณ์การทำงานและอัตราการบาดเจ็บ หากมีข้อมูลต่อไปนี้:
วิธีวิเคราะห์ที่เหมาะสมที่สุดคือวิธีจัดอันดับเพราะว่า หนึ่งในคุณสมบัติที่นำเสนอในรูปแบบของตัวเลือกเปิด: ประสบการณ์การทำงานสูงสุด 1 ปีและประสบการณ์การทำงาน 7 ปีขึ้นไป
การแก้ปัญหาเริ่มต้นด้วยการจัดอันดับข้อมูลที่รวบรวมไว้ในตารางงานและสามารถทำได้ด้วยตนเองเพราะว่า ปริมาณไม่มาก:
ประสบการณ์การทำงาน | จำนวนผู้บาดเจ็บ | หมายเลขซีเรียล | (อันดับ) | ความแตกต่างอันดับ | ผลต่างอันดับกำลังสอง |
ง(x-y) | |||||
นานถึง 1 ปี | 24 | 1 | 5 | -4 | 16 |
1-2 | 16 | 2 | 4 | -2 | 4 |
3-4 | 12 | 3 | 2,5 | +0,5 | 0,25 |
5-6 | 12 | 4 | 2,5 | +1,5 | 2,5 |
7 หรือมากกว่า | 6 | 5 | 1 | +4 | 16 |
Σ d2 = 38.5 |
การปรากฏตัวของอันดับเศษส่วนในคอลัมน์นั้นเกิดจากการที่หากตัวแปรที่มีขนาดเท่ากันปรากฏขึ้น จะพบค่าเฉลี่ยเลขคณิตของอันดับนั้น ใน ในตัวอย่างนี้ตัวบ่งชี้การบาดเจ็บ 12 เกิดขึ้นสองครั้งและได้รับการจัดอันดับที่ 2 และ 3 ค้นหาค่าเฉลี่ยเลขคณิตของอันดับเหล่านี้ (2+3)/2= 2.5 แล้วใส่ค่านี้ลงในแผ่นงานสำหรับตัวบ่งชี้ 2 ตัว
หลังจากแทนค่าผลลัพธ์เป็น สูตรการทำงานและหลังจากทำการคำนวณอย่างง่าย เราจะได้ค่าสัมประสิทธิ์สเปียร์แมนเท่ากับ -0.92
ค่าสัมประสิทธิ์ลบบ่งบอกถึงการมีอยู่ ข้อเสนอแนะระหว่างลักษณะและช่วยให้เรายืนยันได้ว่าประสบการณ์การทำงานระยะสั้นนั้นมาพร้อมกับ จำนวนมากการบาดเจ็บ นอกจากนี้ จุดแข็งของการเชื่อมโยงระหว่างตัวบ่งชี้เหล่านี้ยังมีค่อนข้างมาก
ขั้นตอนต่อไปของการคำนวณคือการกำหนดความน่าเชื่อถือของค่าสัมประสิทธิ์ที่ได้รับ:
มีการคำนวณข้อผิดพลาดและการทดสอบของนักเรียน
ตัวบ่งชี้จะแสดงให้เห็นว่าผลรวมของความแตกต่างกำลังสองระหว่างอันดับที่ได้รับระหว่างการสังเกตแตกต่างจากกรณีที่ไม่มีการเชื่อมต่ออย่างไร
วัตถุประสงค์ของการบริการ- การใช้เครื่องคิดเลขออนไลน์นี้ทำให้คุณสามารถ:
- การคำนวณสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมน
- การคำนวณช่วงความเชื่อมั่นของสัมประสิทธิ์และประเมินนัยสำคัญ
ค่าสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมนหมายถึง ตัวชี้วัดการประเมินความใกล้ชิดของการสื่อสาร ลักษณะเชิงคุณภาพความใกล้ชิดของความสัมพันธ์ระหว่างค่าสัมประสิทธิ์สหสัมพันธ์อันดับและค่าสัมประสิทธิ์สหสัมพันธ์อื่นๆ สามารถประเมินได้โดย แชดด็อกขนาด.
การคำนวณสัมประสิทธิ์ประกอบด้วยขั้นตอนดังต่อไปนี้:
คุณสมบัติของสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมน
พื้นที่ใช้งาน. อันดับสัมประสิทธิ์สหสัมพันธ์ใช้เพื่อประเมินคุณภาพการสื่อสารระหว่างประชากรสองคน นอกจากนี้ นัยสำคัญทางสถิติยังใช้ในการวิเคราะห์ข้อมูลอีกด้วย ความไม่สมดุล.
ตัวอย่าง. ขึ้นอยู่กับตัวอย่างของตัวแปร X และ Y ที่สังเกตได้:
- สร้างตารางอันดับ
- ค้นหาค่าสัมประสิทธิ์สหสัมพันธ์อันดับของ Spearman และตรวจสอบนัยสำคัญที่ระดับ 2a
- ประเมินลักษณะของการพึ่งพาอาศัยกัน
เอ็กซ์ | ย | อันดับ X, dx | อันดับ Y, dy |
28 | 21 | 1 | 1 |
30 | 25 | 2 | 2 |
36 | 29 | 4 | 3 |
40 | 31 | 5 | 4 |
30 | 32 | 3 | 5 |
46 | 34 | 6 | 6 |
56 | 35 | 8 | 7 |
54 | 38 | 7 | 8 |
60 | 39 | 10 | 9 |
56 | 41 | 9 | 10 |
60 | 42 | 11 | 11 |
68 | 44 | 12 | 12 |
70 | 46 | 13 | 13 |
76 | 50 | 14 | 14 |
อันดับเมทริกซ์
อันดับ X, dx | อันดับ Y, dy | (ง x - วัน) 2 |
1 | 1 | 0 |
2 | 2 | 0 |
4 | 3 | 1 |
5 | 4 | 1 |
3 | 5 | 4 |
6 | 6 | 0 |
8 | 7 | 1 |
7 | 8 | 1 |
10 | 9 | 1 |
9 | 10 | 1 |
11 | 11 | 0 |
12 | 12 | 0 |
13 | 13 | 0 |
14 | 14 | 0 |
105 | 105 | 10 |
การตรวจสอบความถูกต้องของเมทริกซ์ตามการคำนวณเช็คซัม:
ผลรวมของคอลัมน์ของเมทริกซ์เท่ากันกับผลรวมตรวจสอบซึ่งหมายความว่าเมทริกซ์ถูกประกอบอย่างถูกต้อง
เมื่อใช้สูตรนี้ เราจะคำนวณค่าสัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมน
ความสัมพันธ์ระหว่างคุณลักษณะ Y และปัจจัย X นั้นแข็งแกร่งและตรงไปตรงมา
ความสำคัญของสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมน
เพื่อทดสอบสมมติฐานว่างที่ระดับนัยสำคัญ α ว่าค่าสัมประสิทธิ์สหสัมพันธ์อันดับทั่วไปของสเปียร์แมนเท่ากับศูนย์ภายใต้สมมติฐานที่แข่งขันกันสวัสดี p ≠ 0 เราต้องคำนวณจุดวิกฤติ:
โดยที่ n คือขนาดตัวอย่าง ρ - ตัวอย่างค่าสัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมน: t(α, k) - จุดวิกฤติของบริเวณวิกฤตสองด้านซึ่งพบได้จากตาราง จุดวิกฤติการกระจายตัวของนักเรียนตามระดับนัยสำคัญ α และจำนวนองศาอิสระ k = n-2
ถ้า |p|< Т kp - нет оснований отвергнуть нулевую гипотезу. Ранговая корреляционная связь между качественными признаками не значима. Если |p| >T kp - สมมติฐานว่างถูกปฏิเสธ มีความสัมพันธ์อันดับที่สำคัญระหว่างคุณลักษณะเชิงคุณภาพ
จากการใช้ตารางนักเรียน เราจะพบว่า t(α/2, k) = (0.1/2;12) = 1.782
ตั้งแต่ T kp< ρ , то отклоняем гипотезу о равенстве 0 коэффициента ранговой корреляции Спирмена. Другими словами, коэффициент ранговой корреляции статистически - значим и ранговая корреляционная связь между оценками по двум тестам значимая.
การวิเคราะห์สหสัมพันธ์เป็นวิธีการที่ช่วยให้สามารถตรวจจับการขึ้นต่อกันระหว่างตัวแปรสุ่มจำนวนหนึ่งได้ วัตถุประสงค์ของการวิเคราะห์สหสัมพันธ์คือเพื่อระบุการประเมินความแข็งแกร่งของการเชื่อมต่อระหว่างตัวแปรสุ่มหรือคุณลักษณะที่กำหนดลักษณะของกระบวนการจริงบางอย่าง
วันนี้เราขอเสนอให้พิจารณาว่าการวิเคราะห์สหสัมพันธ์ของ Spearman ถูกนำมาใช้เพื่อแสดงรูปแบบการสื่อสารในการซื้อขายเชิงปฏิบัติอย่างไร
สเปียร์แมนสหสัมพันธ์หรือพื้นฐานของการวิเคราะห์สหสัมพันธ์
เพื่อทำความเข้าใจว่าการวิเคราะห์ความสัมพันธ์คืออะไร คุณต้องเข้าใจแนวคิดเรื่องความสัมพันธ์ก่อน
ในเวลาเดียวกัน หากราคาเริ่มเคลื่อนไหวในทิศทางที่คุณต้องการ คุณจะต้องปลดล็อคตำแหน่งของคุณให้ทันเวลา
สำหรับกลยุทธ์นี้ซึ่งอยู่บนพื้นฐานของการวิเคราะห์สหสัมพันธ์ วิธีที่ดีที่สุดเครื่องมือการซื้อขายที่มีความสัมพันธ์กันในระดับสูงมีความเหมาะสม (EUR/USD และ GBP/USD, EUR/AUD และ EUR/NZD, AUD/USD และ NZD/USD, สัญญา CFD และอื่นๆ ในทำนองเดียวกัน)
วิดีโอ: การใช้ความสัมพันธ์แบบ Spearman ในตลาด Forex