Pagkakaiba sa Pagitan ng Pag-uugnay at Pag-uugnay

Pagkakaiba sa Pagitan ng Pag-uugnay at Pag-uugnay
Pagkakaiba sa Pagitan ng Pag-uugnay at Pag-uugnay

Video: Pagkakaiba sa Pagitan ng Pag-uugnay at Pag-uugnay

Video: Pagkakaiba sa Pagitan ng Pag-uugnay at Pag-uugnay
Video: Lagoon 52 - 2000nm, Amsterdam to Mediterranean, ex Great Circle 2024, Hulyo
Anonim

Association vs Correlation

Ang Association at correlation ay dalawang paraan ng pagpapaliwanag ng relasyon sa pagitan ng dalawang statistical variable. Ang asosasyon ay tumutukoy sa isang mas pangkalahatan na termino at ang ugnayan ay maaaring ituring bilang isang espesyal na kaso ng pagkakaugnay, kung saan ang ugnayan sa pagitan ng mga variable ay linear sa kalikasan.

Ano ang Association?

Ang statistical term association ay tinukoy bilang isang relasyon sa pagitan ng dalawang random na variable na ginagawang nakadepende sa istatistika ang mga ito. Ito ay tumutukoy sa halip na isang pangkalahatang relasyon na walang mga detalye ng relasyon na binanggit, at hindi kinakailangan na maging sanhi ng relasyon.

Maraming istatistikal na pamamaraan ang ginagamit upang itatag ang kaugnayan sa pagitan ng dalawang variable. Ang coefficient ng correlation ni Pearson, odds ratio, distance correlation, Goodman's at Kruskal's Lambda at Spearman's rho (ρ) ay ilang halimbawa.

Ano ang Correlation?

Ang ugnayan ay isang sukatan ng lakas ng ugnayan sa pagitan ng dalawang variable. Ang correlation coefficient ay binibilang ang antas ng pagbabago ng isang variable batay sa pagbabago ng isa pang variable. Sa mga istatistika, ang ugnayan ay konektado sa konsepto ng pag-asa, na siyang istatistikal na kaugnayan sa pagitan ng dalawang variable

Ang correlation coefficient ng Pearson o ang correlation coefficient r ay isang value sa pagitan ng -1 at 1 (-1≤r≤+1). Ito ang pinakakaraniwang ginagamit na koepisyent ng ugnayan at wasto lamang para sa isang linear na relasyon sa pagitan ng mga variable. Kung r=0, walang relasyon ang umiiral, at kung r≥0, ang relasyon ay direktang proporsyonal; ang halaga ng isang variable ay tumataas sa pagtaas ng isa. Kung r≤0, ang relasyon ay inversely proportional; bumababa ang isang variable habang tumataas ang isa.

Dahil sa linearity na kundisyon, maaari ding gamitin ang correlation coefficient r upang maitaguyod ang pagkakaroon ng linear na relasyon sa pagitan ng mga variable.

Ang rank correlation coefficient ng Spearman at ang rank correlation coefficient ni Kendrall ay sumusukat sa lakas ng relasyon, hindi kasama ang linear factor. Isinasaalang-alang nila ang lawak ng pagtaas o pagbaba ng isang variable sa isa pa. Kung ang parehong mga variable ay tumaas nang magkasama ang coefficient ay magiging positibo at kung ang isang variable ay tumaas habang ang isa ay bumaba ang coefficient value ay magiging negatibo.

Ang rank correlation coefficient ay ginagamit para lang itatag ang uri ng relasyon, ngunit hindi para mag-imbestiga nang detalyado tulad ng Pearson's correlation coefficient. Ginagamit din ang mga ito upang bawasan ang mga kalkulasyon at gawing mas independyente ang mga resulta sa hindi normalidad ng mga distribusyon na isinasaalang-alang.

Ano ang pagkakaiba ng Association at Correlation?

• Ang asosasyon ay tumutukoy sa pangkalahatang relasyon sa pagitan ng dalawang random na variable habang ang correlation ay tumutukoy sa higit pa o mas kaunting linear na relasyon sa pagitan ng mga random na variable.

• Ang asosasyon ay isang konsepto, ngunit ang ugnayan ay isang sukatan ng pagkakaugnay at ang mga tool sa matematika ay ibinigay upang sukatin ang laki ng ugnayan.

• Itinatag ng product moment correlation coefficient ng Pearson ang pagkakaroon ng isang linear na relasyon at tinutukoy ang katangian ng relasyon (kung sila ay proporsyonal o inversely proportional).

• Ang mga koepisyent ng ugnayan ng ranggo ay ginagamit upang matukoy ang likas na katangian ng relasyon lamang, hindi kasama ang linearity ng kaugnayan (maaaring ito ay linear o hindi, ngunit ito ang magsasabi kung ang mga variable ay sabay na tumataas, bumaba nang magkasama o ang isa ay tumataas habang ang isa ay bumababa o vice versa).

Inirerekumendang: