Ketika meneliti psikologi, statistik deskriptif sering digunakan, menawarkan cara menyajikan dan mengevaluasi karakteristik utama data melalui tabel, grafik, dan ukuran ringkasan.
Pada artikel ini kita akan belajar tentang koefisien korelasi Pearson , ukuran statistik deskriptif. Ini adalah pengukuran linier antara dua variabel acak kuantitatif, yang memungkinkan kita untuk mengetahui intensitas dan arah hubungan di antara mereka.
- Artikel terkait: ” Alpha Cronbach (α): apa itu dan bagaimana menggunakannya dalam statistik “
Statistik deskriptif
Koefisien korelasi Pearson adalah jenis koefisien yang digunakan dalam statistik deskriptif. Secara khusus, ini digunakan dalam statistik deskriptif yang diterapkan pada studi dua variabel .
Untuk bagiannya, statistik deskriptif (juga disebut analisis data eksplorasi) mengelompokkan satu set teknik matematika yang dirancang untuk memperoleh, mengatur, menyajikan, dan menggambarkan satu set data, dengan tujuan memfasilitasi penggunaannya. Secara umum, gunakan tabel, ukuran numerik atau grafik untuk dukungan.
Koefisien korelasi Pearson: untuk apa?
Koefisien korelasi Pearson digunakan untuk mempelajari hubungan (atau korelasi) antara dua variabel acak kuantitatif (skala interval minimum); misalnya hubungan antara berat badan dan tinggi badan.
Ini adalah ukuran yang memberi kita informasi tentang intensitas dan arah hubungan . Dengan kata lain, ini adalah indeks yang mengukur tingkat kovariasi antara variabel terkait linier yang berbeda.
Kita harus jelas tentang perbedaan antara hubungan, korelasi atau kovariasi antara dua variabel (= variasi bersama) dan kausalitas (juga disebut ramalan, prediksi atau regresi), karena keduanya adalah konsep yang berbeda.
- Anda mungkin tertarik: ” Uji chi-kuadrat (χ²): apa itu dan bagaimana penggunaannya dalam statistik “
Bagaimana interpretasinya?
Koefisien korelasi Pearson mencakup nilai antara -1 dan +1 . Jadi, tergantung pada nilainya, itu akan memiliki satu arti atau lainnya.
Jika koefisien korelasi Pearson sama dengan 1 atau -1, kita dapat menganggap bahwa korelasi yang ada antara variabel yang diteliti adalah sempurna.
Jika koefisien lebih besar dari 0, korelasinya positif (“A lebih, lebih, dan kurang kurang). Sebaliknya, jika kurang dari 0 (negatif), korelasinya negatif (“A lebih, kurang, dan kurang, lebih). Akhirnya, jika koefisien sama dengan 0, kita hanya dapat menegaskan bahwa tidak ada hubungan linier antara variabel, tetapi mungkin ada beberapa jenis hubungan lain.
Pertimbangan
Koefisien korelasi Pearson meningkat jika variabilitas X dan / atau Y (variabel) meningkat, dan sebaliknya menurun. Di sisi lain, untuk mengkonfirmasi apakah suatu nilai tinggi atau rendah, kita harus membandingkan data kita dengan penyelidikan lain dengan variabel yang sama dan dalam keadaan yang serupa .
Untuk merepresentasikan hubungan berbagai variabel yang digabungkan secara linier, kita dapat menggunakan apa yang disebut matriks varians-kovarians atau matriks korelasi; pada diagonal pertama kita akan menemukan nilai varians, dan pada diagonal kedua kita akan menemukan nilai (korelasi variabel dengan dirinya sendiri sempurna, = 1).
Koefisien kuadrat
Ketika kita mengkuadratkan koefisien korelasi Pearson, artinya berubah , dan kita menginterpretasikan nilainya dalam kaitannya dengan prakiraan (menunjukkan hubungan sebab akibat). Artinya, dalam hal ini dapat memiliki empat pengertian atau makna:
1. Varians terkait
Menunjukkan proporsi varians Y (satu variabel) yang terkait dengan variasi X (variabel lain). Oleh karena itu, kita akan mengetahui bahwa “1-Pearson koefisien kuadrat” = “proporsi varians Y yang tidak terkait dengan variasi X”.
2. Perbedaan individu
Mengalikan koefisien korelasi Pearson x100, kita akan menunjukkan% perbedaan individu dalam Y yang terkait / tergantung / dijelaskan oleh variasi atau perbedaan individu dalam X . Oleh karena itu, “1-kuadrat koefisien Pearson x 100” =% dari perbedaan individu di Y yang tidak terkait / tergantung pada / dijelaskan oleh variasi individu atau perbedaan di X.
3. Tingkat pengurangan kesalahan
Koefisien korelasi pearson kuadrat juga dapat diartikan sebagai indeks pengurangan kesalahan ramalan ; yaitu, itu akan menjadi proporsi kesalahan kuadrat rata-rata yang dihilangkan dengan menggunakan Y ‘(garis regresi, diuraikan dari hasil) alih-alih rata-rata Y sebagai perkiraan. Dalam hal ini, koefisien x 100 juga akan dikalikan (menunjukkan%).
Oleh karena itu, “1-Pearson koefisien kuadrat” = kesalahan yang masih dibuat saat menggunakan garis regresi alih-alih rata-rata (selalu dikalikan x 100 = menunjukkan%).
4. Indeks perkiraan titik
Akhirnya, interpretasi terakhir dari koefisien korelasi Pearson kuadrat akan menunjukkan perkiraan titik-titik ke garis regresi yang dikomentari. Semakin tinggi nilai koefisien (mendekati 1), semakin dekat titik-titiknya ke Y’ (ke garis).
Referensi bibliografi:
- Botol, J. Suero, M. Ximénez, C. (2012). Analisis data dalam psikologi I. Madrid: Pirámide.
- Lubin, P. Maci, A. Rubio de Lerma, P. (2005). Psikologi matematika I dan II. Madrid: UNED.
- Pardo, A. San Martín, R. (2006). Analisis data dalam psikologi II. Madrid: Piramida.