Minitabs Korrelation berechnen
Wollen Sie mehr über die Beziehung zwischen jeden zwei Skalen, wie Größe und Gewicht der Menschen in den Vereinigten Staaten verwenden Sie die lineare Korrelation von Pearson. Dies ist eine Zahl zwischen-1.00 und 1,00, das uns Aussagen über das Verhältnis zwischen Höhe und Gewicht machen hilft. Da Korrelation misst wie zwei Variablen verknüpft sind, es spielt keine Rolle, wenn Sie Pfund und Zoll oder Kilogramm und Zentimeter verwenden--die Korrelation werden genau die gleichen da alles in Standardeinheiten konvertiert wird. Berechnung der Korrelation von hand ist zeitaufwendig, also für große Daten legt eine statistische Software-Programm z.B. Minitab 16 verwenden.
Anweisungen
1 Öffnen Sie Minitab 16 und Bezeichnung der C1-Spalte "Höhe" und der Spalte C2 "Gewicht." Größe und Gewicht-Daten für mindestens 50 Personen eingeben. Speichern Sie die Datei.
2
Wählen Sie die Option "Stat" aus dem Menü am oberen Rand Minitab 16. Als nächstes wählen Sie die "Basisdaten" und "Korrelation". Wählen Sie die Variablen C1 "Höhe" und C2 "Gewicht" durch einen Doppelklick auf sie. Dies wird ihnen im Feld "Variablen" platzieren. Klicken Sie auf "OK".
3 Lesen Sie die Ausgabe, die im Fenster "Session" angezeigt wird. In diesem Beispiel wird die Ausgabe "Pearson-Korrelation von Größe und Gewicht ist 0.789. ähnlich sein. P-Wert ist 0.007."
4 Schau dir die Korrelation. Wenn es NULL oder nahe Null, es keine Beziehung zwischen Körpergröße und -Gewicht gibt. Wenn es eine negative Zahl ist, man würde sagen größer Menschen neigen dazu, Sie wiegen weniger als kürzeren Menschen. Wenn wie in diesem Beispiel die Korrelation positiv ist, würden wir sagen, dass größer Menschen neigen dazu, mehr zu wiegen. Die Korrelation in diesem Beispiel ist.789, was bedeutet, dass für jede standardisierte Einheit Erhöhung des.789 in der Höhe in Ihrem Beispiel, hast du eine Steigerung von.789 standardisierten Maßeinheiten des Gewichts. Eine Korrelation von.7 oder mehr gilt als stark, so dass wir sagen können, ist dies eine starke Beziehung.
5 Die Korrelation quadratisch und konvertieren in Prozentsatz, um den Umfang zu geben, den die zwei Skalen vergrößern oder verkleinern Sie zusammen. In diesem Beispiel ist das Quadrat der.789.622. Erhalten Sie einen Prozentsatz multipliziert mit 100. Daher kann 62,2 % der Variation im Gewicht von Höhe oder umgekehrt erklärt werden.
6 Den p-Wert zu interpretieren. In diesem Beispiel ist der p-Wert.007. Der p-Wert zeigt Ihnen die Chancen, dass Ihre Ergebnisse auf Zufall allein--sind, dass sie wahrscheinlich nicht etwas sinnvolles über das Verhältnis zwischen Größe und Gewicht für Menschen in den Vereinigten Staaten als Ganzes sagen, sind. In diesem Fall ist ein p-Wert von.007 extrem niedrig. Das bedeutet, dass gibt es eine sehr geringe Chance, die Ihre Ergebnisse auf Zufall sind. Sie können Leute sagen mit viel Zuversicht, die größer Menschen neigen dazu, mehr als kürzere wiegen in den Vereinigten Staaten. Ein p-Wert von.05 oder niedriger ist als Bedeutung, die Sie ein Ergebnis haben, das nicht auf Zufall allein ist, allgemein anerkannt.
Tipps & Warnungen
- Die Entdeckung, dass zwei Skalen korreliert sind bedeutet nicht unbedingt, dass eine Skala in einem anderen Bewegung bewirkt. In diesem Beispiel schwerere Menschen tendenziell größer sein, aber Gewichtszunahme wird nicht machen Sie größer.
- Um eine Pearson-Korrelation zu berechnen, müssen die Variablen auf ein Intervall oder einer Verhältnis-Skala gemessen werden.
- Der Autor hat den richtigen Stichprobenumfang benötigt in diesem Beispiel berechnet; Resources-Abschnitt listet einen Beispiel Größe Rechner verwendet werden, wenn geeignete Stichprobengröße für andere Variablen bestimmen.