Innhold
Ulike typer korrelasjoner brukes i statistikk for å måle måter variabler forholder seg til hverandre. For eksempel, ved å bruke to variabler - rangering av high school class og college GPA - kan en observatør trekke en sammenheng med at elever med en over high school rang rangering typisk oppnår en over gjennomsnittet college GPA. Korrelasjoner måler også styrken i forholdet og om sammenhengen mellom variabler er positiv eller negativ. Type utført korrelasjon avhenger av om variablene er ikke-numeriske data eller intervalldata, for eksempel temperatur.
Pearson Product Moment Correlation
Pearson Product Moment Correlation ble oppkalt etter Karl Pearson, grunnlegger av den matematiske statistikkdisiplinen. Det betraktes som en enkel lineær sammenheng, noe som betyr at forholdet mellom to variabler avhenger av at de er konstante. Pearson brukes med intervaldata for å måle styrken til en korrelasjon, som er representert med bokstaven r i ligningen. Denne korrelasjonen viser også om forholdet er positivt eller negativt; representert med tall verdsatt mellom +1 og -1. Jo nærmere verdien av r kommer til -1,00 eller +1,00, jo sterkere er korrelasjonen. Jo nærmere verdien av r kommer til tallet 0, desto svakere er korrelasjonen. For eksempel, hvis r tilsvarte -90 eller 0,90, vil det indikere et sterkere forhold enn -09 eller 0,09.
Spearmans Rank Correlation
Spearmans Rank Correlation ble oppkalt etter statistikeren Charles Edward Spearman. Spearmans-ligningen er enklere og brukes ofte i statistikk i stedet for Pearson, selv om den er mindre avgjørende. Samfunnsforskere kan også bruke Spearmans for å beskrive sammenhengen mellom kvalitative data, for eksempel etnisitet eller kjønn, og kvantitative data, for eksempel antall forbrytelser som er begått. Korrelasjonen beregnes ved å bruke en nullhypotese som senere blir akseptert eller avvist. En nullhypotese består normalt av et spørsmål som skal besvares; for eksempel hvorvidt antallet forbrytelser som er begått er det samme for menn og kvinner.
Kendall Rank Correlation
Kendall Rank Correlation, oppkalt etter den britiske statistikeren Maurice Kendall, måler styrken av avhengighet mellom settene med to tilfeldige variabler. Kendall kan brukes til videre statistisk analyse når en Spearman's Correlation avviser nullhypotesen. Den oppnår en sammenheng når verdien til den ene variabelen synker og den andre variabelen øker; denne korrelasjonen blir referert til som uenige par. En korrelasjon kan også oppstå når begge variablene øker samtidig, referert til som et konkordant par.