تحلیل همبستگی چیست؟

تحلیل همبستگی چیست؟

تحلیل همبستگی چیست؟ ، این موضوعی است که چند نفر می توانند آن را از تصاویر اندازه گیری در مدرسه به یاد بیاورند، با این حال، اکثر کارشناسان باتجربه آن را به عنوان عنصر اصلی تجزیه و تحلیل اطلاعات می شناسند.

به هر حال، همبستگی ها، حتی الامکان، به دلایل مختلف، حتی در تجارت تجربه، اشتباه قضاوت و مورد سوء استفاده قرار می گیرند. بنابراین در اینجا یک کتابچه راهنمای مفید برای مبانی تحلیل همبستگی وجود دارد.

تحلیل همبستگی چیست؟
تحلیل همبستگی چیست؟ – تزیسمی

فهرست مطالب

تحلیل همبستگی چیست؟

تحلیل همبستگی در تحقیق یک استراتژی واقعی است که برای تعیین کمیت قدرت همبستگی مستقیم بین دو عامل و تعیین وابستگی آنها استفاده می شود. درجه پیشرفت یک متغیر را به دلیل تغییر در متغیر دیگر مشخص می کند. همبستگی بالا بر یک همبستگی محکم بین دو عامل تمرکز می کند، در حالی که همبستگی کم نشان می دهد که عوامل به طرز تاسف باری با هم مرتبط هستند.

با توجه به بررسی آماری، متخصصان از این استراتژی برای تجزیه اطلاعات کمی که از طریق استراتژی‌های تحقیقاتی مانند بررسی و نظرسنجی زنده جمع‌آوری شده‌اند، استفاده می‌کنند. آنها تلاش می کنند تا همبستگی، طرح ها، تداعی های عظیم و الگوهای بین دو عامل یا مجموعه داده را تشخیص دهند.

زمانی که افزایش در یک متغیر باعث افزایش در متغیر دیگر شود، بین دو متغیر همبستگی مثبت وجود دارد. سپس دوباره، یک همبستگی منفی نشان می‌دهد که وقتی یک متغیر گسترش می‌یابد، متغیرهای مختلف کاهش می‌یابند و همچنین برعکس.

مثالهای واقعی از تحلیل همبستگی

در اینجا 3 نمونه از بهترین همبستگی در زندگی وجود دارد.

مثال 1: صورت حساب های تهویه مطبوع در مقابل آب و هوا

وقتی صحبت از آب و هوا می شود، تعیین کمیت همبستگی منفی ساده است زیرا افزایش (یا کاهش) دمای بیرون بر استفاده از تهویه مطبوع تأثیر می گذارد.

مثال 2: افزایش تقاضا در مقابل قیمت

در بخش تجارت، یکی از نمونه های ارتباط مثبت، تقاضا و هزینه یک محصول است. با تقاضا برای یک محصول قیمت نیز افزایش می یابد. وقتی تقاضا کاهش می یابد، قیمت نیز کاهش می یابد.

مثال 3: بهبود سلامت در مقابل کاهش دوز پزشکی

مطالعات همبستگی معمولاً در کارآزمایی‌های بالینی مورد استفاده قرار می‌گیرند تا درک بهتری از تأثیر یک داروی جدید توسعه‌یافته بر بیماران داشته باشند. اگر سلامت بیمار در نتیجه مصرف منظم دارو بهبود یابد، همبستگی مثبت وجود دارد.

اما اگر سلامتی بهبود نیابد یا بدتر نشود، بین این دو متغیر یعنی سلامت و دارو همبستگی وجود ندارد.

مزایای تجزیه و تحلیل همبستگی چیست؟

مزایای تحلیل همبستگی عبارتند از

. به همبستگی ها توجه کنید: یک همبستگی به تشخیص عدم ظاهر یا وجود همبستگی بین دو عامل کمک می کند. به طور کلی، در زندگی روزمره کاربرد بیشتری خواهد داشت.
. یک مرحله شروع مناسب برای تحقیق: زمانی که یک تحلیلگر به طور جالبی شروع به تحقیق در مورد همبستگی ها می کند، این مرحله به یک مرحله شروع مناسب ختم می شود.
. برای تجزیه و تحلیل اضافی استفاده می شود: محققان می توانند سیر و قدرت همبستگی بین دو عامل را تشخیص دهند و در تحلیل های بعدی اکتشافات را کاهش دهند.
. اندازه گیری های اساسی: اکتشافات تحقیقاتی به راحتی قابل گروه بندی هستند. اکتشافات می توانند از -1.00 تا +1.00 بروند. تنها سه نتیجه قابل انتظار گسترده از تحلیل وجود دارد.

اهمیت تحلیل همبستگی چیست؟

تحلیل همبستگی میزان و میزان همبستگی بین عوامل را نشان می دهد. این امر به تنظیم مقررات و ایده های مختلف در فرضیه های مالی کمک کرده است. در به دست آوردن رفتار مالی مفید است.

این برای تمرکز بر عواملی که موقعیت های پولی تحت تأثیر قرار می گیرند مفید است. تحلیل همبستگی دامنه آسیب‌پذیری‌ها را در موضوع پیش‌بینی کاهش می‌دهد. پشتیبان در تحلیل و تحقیق. به همین ترتیب در تعریف چیدمان مفید است.

انواع همبستگی چیست؟

همبستگی بالا و پایین

همبستگی بالا، همبستگی پایه‌تری بین دو عامل را نشان می‌دهد، که در آن تعدیل اولی همبستگی نزدیکی با تعدیل دومی دارد.

یک همبستگی کم، همبستگی آسیب پذیرتری را نشان می دهد، به این معنی که این دو عامل به احتمال زیاد به هم مرتبط نیستند.

مثبت، منفی و بدون همبستگی

همبستگی در اندازه گیری ها به معنای همبستگی مستقیم است.

مثبت – یک همبستگی مثبت به این معنی است که این همبستگی مستقیم مثبت است و این دو عامل در یک عنوان مشابه افزایش یا کاهش یافته است.

منفی – یک همبستگی منفی یک معکوس دقیق است که در آن خط همبستگی دارای شیب منفی است و عوامل در مقابل یکدیگر حرکت می کنند، یعنی یک متغیر کاهش می یابد و متغیر افزایش می یابد.

بدون همبستگی – هیچ همبستگی اساساً به این معنی است که عوامل متضاد عمل می کنند و در امتداد این خطوط، هیچ همبستگی خطی ندارند.

درجات تحلیل همبستگی چیست؟

از طریق ضریب همبستگی می توانیم میزان همبستگی بین دو عامل را کمی کنیم. به همین ترتیب می‌توانیم مثبت یا منفی بودن همبستگی و گواهی یا مدرک آن را بر اساس ضریب همبستگی تعیین کنیم.

. همبستگی کامل: اگر دو عامل در یک مسیر مشابه و به میزان مشابه تغییر کنند، همبستگی بین این دو یک مثبت فوق العاده است. همانطور که کارل پیرسون نشان داد، ضریب همبستگی برای این وضعیت 1+ است. سپس با فرض تغییر عوامل بر خلاف جهت و به میزان مشابه، همبستگی به طرز شگفت انگیزی منفی است. ضریب همبستگی آن – 1 است. از نظر عملی، ما به ندرت از این نوع همبستگی ها می گذریم.
. ظاهر نشدن همبستگی: اگر دو سری از دو عامل هیچ رابطه ای بین آنها نشان ندهند یا تغییر در یکی از متغیرها باعث تعدیل متغیر دیگر نشود، در آن مرحله می توانیم بدون حرکت بگوییم که هیچ همبستگی یا مسخره ای وجود ندارد. همبستگی بین دو عامل و در این حالت ضریب همبستگی 0 است.
. سطوح محدود همبستگی: اگر دو عامل به طور بی عیب و نقص با هم مرتبط نباشند، یا یک کمبود ایده آل همبستگی وجود داشته باشد، در آن نقطه، همبستگی را به عنوان همبستگی محدود می نامیم. از این رو همبستگی ممکن است مثبت، منفی یا صفر باشد و در عین حال با نقاط برش ± 1 باشد. برای مثال، ارزش r به حدی است که – 1 ≤ r ≤ +1. علامت + و – به طور جداگانه برای همبستگی مستقیم مثبت و همبستگی مستقیم منفی استفاده می شود.

انواع مختلف تحلیل همبستگی چیست؟

در اینجا 2 نوع تحلیل همبستگی وجود دارد.

. همبستگی اسپیرمن
. همبستگی پیرسون

1. همبستگی اسپیرمن

این ضریب برای تعیین اینکه آیا ارتباط معنی داری بین دو مجموعه داده وجود دارد یا خیر استفاده می شود. بر این فرض استوار است که داده‌های مورد استفاده ترتیبی هستند، که به این معنی است که اعداد نشان‌دهنده کمیت نیستند، بلکه موقعیت مکان وضعیت سوژه را نشان می‌دهند (به عنوان مثال، 1، 2، 3، و غیره).

این ضریب را می توان بر روی یک جدول داده نمایش داد تا داده های خام، رتبه بندی آن ها و تفاوت بین این دو رتبه را نشان دهد.

این اختلاف مجذور بین دو رتبه‌بندی را می‌توان بر روی یک نمودار پراکنده مشاهده کرد، که نشان می‌دهد آیا همبستگی مثبت، منفی یا بدون همبستگی بین دو متغیر وجود دارد. محدودیتی که این ضریب تحت آن عمل می کند -1 r +1 است که نتیجه 0 نشان دهنده عدم ارتباط بین متغیرها است.

زمان استفاده از این تجزیه و تحلیل همبستگی: جایی که داده ها باید در مورد ویژگی های توزیع جمعیت یا احتمال مورد استفاده قرار گیرند. معمولاً با داده های کمی که قبلاً در داخل پارامترها ایجاد شده است استفاده می شود.

2. همبستگی پیرسون

قدرت همبستگی های “خطی” بین داده های خام هر دو متغیر را به جای رتبه بندی آنها ارزیابی می کند. از آنجایی که این یک ضریب بدون بعد است، هیچ محدودیتی در رابطه با داده ها وجود ندارد که در حین انجام مطالعات با استفاده از این فرمول در نظر گرفته شود، به همین دلیل است که این اولین آزمون محققین فرمول است.

اگر پیوند بین داده ها خطی نباشد، این ضریب به طور موثر رابطه بین دو متغیر را توصیف نمی کند و به جای آن باید از رتبه Spearman استفاده شود.

ضریب پیرسون مستلزم آن است که داده های مورد نیاز در جدولی مشابه رتبه اسپیرمن اما بدون رتبه ها وارد شود و نتیجه به شکل عددی خواهد بود که همه ضرایب همبستگی از جمله رتبه اسپیرمن و ضریب پیرسون تولید می کنند: -1 ≤ r ≤ + 1.

زمان استفاده: زمانی که هیچ فرضی در مورد توزیع احتمال وجود ندارد. معمولاً برای داده‌های کیفی اعمال می‌شود، اما اگر رتبه Spearman کافی نباشد، می‌تواند برای داده‌های کمی اعمال شود.

تحلیل همبستگی چیست؟
تحلیل همبستگی چیست؟ – تزیسمی

چه عواملی بر تحلیل همبستگی تأثیر می گذارد؟

زمانی که یک تحلیل همبستگی ترتیب داده می شود، باید چندین عامل در نظر گرفته شود. این شامل

1. هنگامی که اطلاعات نسبت های متغیر مشابه از یک فرد مشابه در تمرکز زمانی معادل یا تغییر یافته بازنگری می شود، نباید همبستگی ها را تجزیه و تحلیل کنید.
2. ترسیم یک طرح پراکنده ارزشمند است زیرا به بررسی و کشف استثناها، روابط غیر خطی و ناهمسانی کمک می کند.
3. اگر یک رابطه غیر خطی بین متغیرهای کمی وجود دارد، نباید این تحلیل را انجام دهید.
اندازه نمونه باید به طور مناسب از قبل تعیین شود.

ارزش تجاری تحلیل همبستگی چیست؟

تجزیه و تحلیل همبستگی برای شناسایی ورودی های احتمالی برای تجزیه و تحلیل پیچیده تر، یا برای آزمایش تغییرات آینده در حالی که چیزهای دیگر را ثابت نگه می دارد، مفید است. همچنین ممکن است بخواهید فقط رابطه بین دو متغیر را درک کنید.

نکته مهم در مورد تجزیه و تحلیل همبستگی این است که تفسیر و درک آن نسبتاً آسان است، زیرا شما فقط بر واریانس یک ردیف از داده ها در رابطه با واریانس یک مجموعه داده دیگر متمرکز هستید.

محرک اصلی ارزش تجاری این است که می توان از آن برای آشکار کردن مسائل پنهان در شرکت استفاده کرد.

چگونه تجزیه و تحلیل همبستگی به کشف مسائل شرکت کمک می کند؟

تجزیه و تحلیل همبستگی همچنین می تواند برای تشخیص مشکلات با مدل های رگرسیون چندگانه استفاده شود. ممکن است با یک مدل رگرسیون چند متغیره یا چندگانه، که در آن تولید نمی‌شود، یا متغیرهای مستقل متفاوتی دارید که واقعاً مستقل نیستند، مشکلاتی داشته باشید.

این مسائل را می توان با انجام تحلیل همبستگی بین متغیرهای مستقل مختلف کشف کرد.

تحلیل همبستگی نیز راهی سریع برای شناسایی مسائل احتمالی شرکت است. اگر بین دو متغیر همبستگی وجود داشته باشد، تحلیل همبستگی فرصتی برای آزمایش سریع فرضیه ها فراهم می کند، به خصوص اگر آزمون کم ریسک باشد و نیاز به سرمایه گذاری قابل توجهی در زمان و هزینه نداشته باشد.

برای مثال، ممکن است متوجه شوید که بین مشتریانی که به بررسی‌های یک محصول خاص نگاه می‌کنند و اینکه آیا آن را خریداری می‌کنند یا خیر، همبستگی مثبتی وجود دارد.

نمی توان به طور قطعی گفت که بررسی های محصول باعث خرید شده است، اما مکانی را نشان می دهد که آزمایش می تواند اطلاعات بیشتری را ارائه دهد.

اگر بتوانید 10 درصد افراد بیشتری را به بررسی محصولات، به خصوص بررسی های مثبت ترغیب کنید، آیا می توانید تعداد خریدها را افزایش دهید؟ همبستگی‌ها می‌توانند به ایجاد فرضیه‌های مختلف کمک کنند که می‌توانند به سرعت آزمایش شوند، به ویژه در محیط‌های دیجیتال.

تحلیل همبستگی در داده کاوی

تحلیل همبستگی یک روش آماری است که برای اندازه گیری قدرت رابطه خطی بین دو متغیر و محاسبه ارتباط آنها استفاده می شود. تحلیل همبستگی سطح تغییر یک متغیر را به دلیل تغییر متغیر دیگر محاسبه می کند. همبستگی بالا به رابطه قوی بین دو متغیر اشاره دارد، در حالی که همبستگی پایین به این معنی است که متغیرها با هم ارتباط ضعیفی دارند.

محققان از تجزیه و تحلیل همبستگی برای تجزیه و تحلیل داده های کمی جمع آوری شده از طریق روش های تحقیق مانند نظرسنجی و نظرسنجی زنده برای تحقیقات بازار استفاده می کنند. آنها سعی می کنند روابط، الگوها، ارتباطات مهم و روند بین دو متغیر یا مجموعه داده را شناسایی کنند. زمانی که افزایش یک متغیر منجر به افزایش متغیر دیگر شود بین دو متغیر همبستگی مثبت وجود دارد. از سوی دیگر، همبستگی منفی به این معناست که وقتی یک متغیر افزایش می‌یابد، متغیر دیگر کاهش می‌یابد و بالعکس.

همبستگی یک تحلیل دو متغیره است که قدرت ارتباط بین دو متغیر و جهت رابطه را اندازه گیری می کند. از نظر قدرت رابطه، مقدار ضریب همبستگی بین +1 و -1 متغیر است. مقدار 1± درجه ارتباط بین دو متغیر را نشان می دهد.

با رفتن مقدار ضریب همبستگی به سمت 0، رابطه بین دو متغیر ضعیف تر خواهد بود. علامت ضریب جهت رابطه را نشان می دهد. علامت + نشان دهنده رابطه مثبت و علامت – نشان دهنده رابطه منفی است.

نمونه ای از تحلیل همبستگی

همبستگی بین دو متغیر می تواند همبستگی مثبت، همبستگی منفی و یا بدون همبستگی باشد. بیایید به نمونه هایی از هر یک از این سه نوع نگاه کنیم.

همبستگی مثبت: همبستگی مثبت بین دو متغیر به معنای حرکت هر دو متغیر در یک جهت است. افزایش یک متغیر منجر به افزایش متغیر دیگر می شود و بالعکس.

برای مثال، صرف زمان بیشتر روی تردمیل کالری بیشتری می سوزاند.

همبستگی منفی: همبستگی منفی بین دو متغیر به این معنی است که متغیرها در جهت مخالف حرکت می کنند. افزایش یک متغیر منجر به کاهش متغیر دیگر می شود و بالعکس.

به عنوان مثال، افزایش سرعت یک وسیله نقلیه زمان رسیدن به مقصد را کاهش می دهد.

همبستگی ضعیف/صفر: زمانی که یک متغیر بر دیگری تأثیر نگذارد، هیچ همبستگی وجود ندارد.

به عنوان مثال، هیچ ارتباطی بین تعداد سال های تحصیل یک فرد و حروف نام او وجود ندارد.

نتیجه

تجزیه و تحلیل همبستگی فقط گاهی به تنهایی استفاده می شود و معمولاً با تجزیه و تحلیل عود همراه می شود.

تضاد بین همبستگی و عود در این است که در حالی که یک تحلیل با تخمین ضریب همبستگی و شاید یک آزمایش مهم متوقف می شود، یک تحلیل عود همبستگی را به عنوان یک موقعیت ارتباط می دهد و به حوزه انتظار می رود.

یک دیدگاه ثبت کنید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *