Šiame straipsnyje nagrinėjama ranginė koreliacija, jos metodai ir taikymas įvairiose srityse. Aptariami Spearmano ir Kendallio ranginės koreliacijos koeficientai, jų skaičiavimo būdai ir interpretacijos. Taip pat pateikiami tyrimų pavyzdžiai, kuriuose naudojama ranginė koreliacija, siekiant įvertinti ryšius tarp skirtingų rodiklių.
Ranginė Koreliacija: Pagrindinės Sąvokos
Ranginė koreliacija - tai statistinis metodas, naudojamas įvertinti ryšį tarp dviejų kintamųjų, kai duomenys yra išreikšti rangais, o ne tiksliomis reikšmėmis. Šis metodas ypač naudingas, kai duomenys nėra normaliai pasiskirstę arba kai norima įvertinti monotoninį ryšį tarp kintamųjų, kuris nebūtinai yra tiesinis. Ranginė koreliacija yra mažiau jautri ekstremalioms reikšmėms (angl. outliers) nei įprastinė Pearsono koreliacija, todėl gali būti tinkamesnė alternatyva, kai duomenyse yra nukrypimų.
Formaliai, ranginė koreliacija apibrėžiama kaip X ir Y stochastinio ryšio požymių apibūdinimas naudojant atsitiktinių vektorių imties (X1, Y1), … (Xn, Yn) elementų rangus.
Spearmano Ranginės Koreliacijos Koeficientas
Spearmano ranginės koreliacijos koeficientas (ρ arba rs) yra vienas iš dažniausiai naudojamų ranginės koreliacijos matų. Jis apskaičiuojamas kaip Pearsono koreliacijos koeficientas tarp dviejų kintamųjų rangų.
Absoliučiai tolydžiųjų skirstinių atveju imties X1, …, Xn, nario Xi rangu Ri vadinamas to nario eilės numeris variacinėje eilutėje.
Taip pat skaitykite: Kraujo judėjimo iššūkiai
Praktiniams skaičiavimams naudojama supaprastinta formulė: stebėjimai (Xi, Yi) išdėstomi taip, kad Yi sudarytų didėjančią seką.
Spearmano koeficiento reikšmės gali svyruoti nuo -1 iki +1. Reikšmė +1 rodo tobulą teigiamą monotoninį ryšį (kai vienas kintamasis didėja, kitas taip pat didėja), -1 rodo tobulą neigiamą monotoninį ryšį (kai vienas kintamasis didėja, kitas mažėja), o 0 rodo, kad nėra jokio monotoninio ryšio.
Kendallio Ranginės Koreliacijos Koeficientas
Kendallio ranginės koreliacijos koeficientas (τ) yra dar vienas populiarus ranginės koreliacijos matas. Jis matuoja suderintų ir nesuderintų porų skaičių duomenų rinkinyje. Poros (Xi, Yi) ir (Xj, Yj) vadinamos suderintomis (nesuderintomis), jei skirtumų (Xj - Xi) ir (Yj - Yi) ženklai sutampa (skiriasi). Tada rK yra suderintų ir nesuderintų porų skaičių skirtumas, dalintas iš bendro porų skaičiaus n(n - 1) / 2.
Kendallio koeficiento reikšmės taip pat svyruoja nuo -1 iki +1, interpretuojamos panašiai kaip ir Spearmano koeficientas. Nors abu koeficientai matuoja panašų ryšį, Kendallio koeficientas dažnai yra mažesnis už Spearmano koeficientą, ypač kai duomenyse yra daug susietų rangų.
Ranginės Koreliacijos Taikymas Praktikoje
Ranginė koreliacija plačiai naudojama įvairiose srityse, įskaitant mediciną, socialinius mokslus, ekonomiką ir aplinkosaugą. Štai keletas pavyzdžių:
Taip pat skaitykite: Pacientų agresijos tyrimai
- Medicinoje: Ranginė koreliacija gali būti naudojama įvertinti ryšį tarp skirtingų klinikinių rodiklių, pavyzdžiui, tarp vaistų dozės ir paciento atsako į gydymą, arba tarp ligos sunkumo ir paciento gyvenimo kokybės.
- Socialiniuose moksluose: Ranginė koreliacija gali būti naudojama įvertinti ryšį tarp skirtingų socialinių veiksnių, pavyzdžiui, tarp išsilavinimo lygio ir pajamų, arba tarp politinių pažiūrų ir požiūrio į socialines problemas.
- Ekonomikoje: Ranginė koreliacija gali būti naudojama įvertinti ryšį tarp skirtingų ekonominių rodiklių, pavyzdžiui, tarp infliacijos ir nedarbo lygio, arba tarp akcijų kainų ir įmonių pelningumo.
- Aplinkosaugoje: Ranginė koreliacija gali būti naudojama įvertinti ryšį tarp skirtingų aplinkosaugos veiksnių, pavyzdžiui, tarp oro taršos ir sergamumo kvėpavimo takų ligomis, arba tarp vandens užterštumo ir žuvų populiacijos.
Pavyzdžiai iš Tyrimų
Kulkšnies-Žasto Indekso (KŽI) ir Paciento Rodiklių Ryšys
Viename tyrime buvo įvertintas ryšys tarp kulkšnies - žasto indekso (KŽI) rodmenų ir paciento turimų ligų bei sociodemografinių rodiklių. Taip pat buvo palyginti KŽI duomenys su paciento fiziniais rodmenimis (kūno masės indeksas, juosmens apimtis, svoris, arterinis kraujo spaudimas) ir nustatytas jų priklausomumas. Be to, buvo įvertintas KŽI pritaikymas periferinės arterijų ligos (PAL) nustatymui.
Tyrimas atliktas naudojant jau surinktus „Telelispa“ duomenis. Tyrimo objektas - pacientai, kuriems diagnozuota ne mažiau kaip dvi lėtinės neinfekcinės ligos, iš kurių viena privaloma - arterinė hipertenzija. Iš viso įtraukti 387 pacientai. Buvo naudota Spearman‘s ranginė koreliacija, Mann-Whitney U testas ir Kruskal-Wallis testas.
Rezultatai parodė, kad kairės ir dešinės pusės KŽI vertės nėra tiesiogiai priklausomos nuo lyties, išsilavinimo lygio, darbo ar rūkymo statuso, alkoholio vartojimo dažnumo ar ligos pasireiškimo. Tačiau tiriamųjų kūno svoris, KMI ir juosmens apimtis silpnai neigiamai koreliavo su kairės ir dešinės pusės KŽI vertėmis. Širdies susitraukimų dažnis (ŠSD) taip pat silpnai, bet statistiškai reikšmingai neigiamai koreliavo su kairės ir dešinės pusės KŽI vertėmis.
Išvados: KŽI turėtų būti taikomas pirminėje grandyje PAL tikimybės įvertinimui, ypač poliligotų asmenų tarpe.
Fizinės Savikontrolės Žinių ir Gebėjimų Raida Pradiniame Mokykliniame Amžiuje
Kitame tyrime buvo siekiama įvertinti pradinių 3-4 klasių mokinių fizinės savikontrolės žinių ir gebėjimų raišką fizinio aktyvumo požiūriu.
Taip pat skaitykite: Priklausomybė nuo laiko
Tyrimas atliktas 2009 m. Klaipėdos miesto ir rajono bendrojo lavinimo mokyklų pradinėse klasėse. Tiriamųjų kontingentą sudarė: 99 trečių, ketvirtų klasių mokiniai, iš kurių 59,6% mergaičių ir 40,4% berniukų. Atliekant tyrimą buvo siekiama įvertinti 3-4 klasių mokinių fizinės savikontrolės žinias lyties požiūriu; nustatyti, ar skiriasi mergaičių ir berniukų savikontrolės samprata; įvertinti savikontrolės gebėjimų raiškos sąlygas.
Tyrimo metodai: literatūros šaltinių analizė; anketinė apklausa; atliekant matematinę statistiką taikyta Kronbacho alfa (Cronbachα) koeficiento skaičiavimas, Spirmeno (Spearman) ranginė koreliacija, Stjudento t (Student t) ir χ2 kriterijai.
Atlikus tyrimą nustatyta, kad pradinių klasių mokiniai neturi susiformavusios aiškios savikontrolės sampratos ir gebėjimų save kontroliuoti - jų savikontrolės samprata yra chaotiška, nenuosekli. 3-4 klasių mokinių fizinės savikontrolės žinios lyties požiūriu statistiškai reikšmingai nesiskyrė. Daugiau nei du trečdaliai mokinių turėjo žinių apie pulsą, normalią žmogaus kūno temperatūrą, kraujospūdį, greitumo ir šoklumo fizines ypatybes. 84,7% mergaičių ir 92,5% berniukų nežinojo, kiek laiko per parą jie turėtų praleisti fiziškai aktyviai, kad būtų sveiki. Daugiau nei pusei mergaičių ir daugiau nei pusei berniukų trūko žinių apie pulso ir kvėpavimo dažnį per minutę.
Praktinis Pavyzdys: Rangavimas ir Koreliacija
Įsivaizduokite, kad norite įvertinti, ar egzistuoja ryšys tarp studentų, besimokančių kolegijoje, praleisto laiko mokantis ir jų pažymių. Tarkime, kad turite 10 studentų ir renkate duomenis apie jų praleistą laiką mokantis (valandomis per savaitę) ir jų galutinį pažymį (balais nuo 0 iki 100).
| Studentas | Laikas mokantis (val.) | Pažymys (balai) |
|---|---|---|
| A | 10 | 75 |
| B | 15 | 82 |
| C | 5 | 60 |
| D | 20 | 90 |
| E | 8 | 68 |
| F | 12 | 78 |
| G | 18 | 88 |
| H | 7 | 65 |
| I | 22 | 95 |
| J | 14 | 80 |
Norėdami apskaičiuoti Spearmano ranginės koreliacijos koeficientą, pirmiausia turite suranguoti kiekvieną kintamąjį atskirai:
| Studentas | Laikas mokantis (val.) | Laiko Rangas | Pažymys (balai) | Pažymio Rangas |
|---|---|---|---|---|
| A | 10 | 3 | 75 | 4 |
| B | 15 | 5 | 82 | 6 |
| C | 5 | 1 | 60 | 1 |
| D | 20 | 8 | 90 | 8 |
| E | 8 | 2 | 68 | 2 |
| F | 12 | 4 | 78 | 5 |
| G | 18 | 7 | 88 | 7 |
| H | 7 | 9 | 65 | 3 |
| I | 22 | 6 | 95 | 10 |
| J | 14 | 80 | 9 |
Tada galite apskaičiuoti rangų skirtumų kvadratų sumą ir naudoti formulę Spearmano koeficientui apskaičiuoti. Šiuo atveju, tarkime, kad Spearmano koeficientas yra 0,95. Tai rodo labai stiprų teigiamą ryšį tarp praleisto laiko mokantis ir pažymių - kuo daugiau studentas mokosi, tuo aukštesnis jo pažymys.
Lygmeninių Kintamųjų Palyginimo Matrica
Pateikta lygmeninių kintamųjų palyginimo matrica: m1=2; m2=6; n=120. Ši matrica gali būti naudojama įvertinti skirtumus tarp dviejų ar daugiau grupių pagal tam tikrą požymį. Pavyzdžiui, galime palyginti dviejų skirtingų mokyklų mokinių pasiekimus (m1=2) pagal šešis skirtingus testus (m2=6), turint 120 mokinių (n=120). Tokiu atveju, ranginė koreliacija gali būti naudojama įvertinti, ar mokinių rangai pagal skirtingus testus yra susiję, ir ar šis ryšys skiriasi tarp dviejų mokyklų.
Ranginės Koreliacijos Privalumai ir Trūkumai
Privalumai:
- Mažiau jautri ekstremalioms reikšmėms: Ranginė koreliacija yra mažiau jautri ekstremalioms reikšmėms nei Pearsono koreliacija, todėl gali būti tinkamesnė, kai duomenyse yra nukrypimų.
- Tinka neparametriniams duomenims: Ranginė koreliacija nereikalauja, kad duomenys būtų normaliai pasiskirstę, todėl tinka neparametriniams duomenims.
- Matuoja monotoninį ryšį: Ranginė koreliacija matuoja monotoninį ryšį tarp kintamųjų, kuris nebūtinai yra tiesinis.
Trūkumai:
- Mažesnis jautrumas: Ranginė koreliacija gali būti mažiau jautri nei Pearsono koreliacija, kai duomenys yra normaliai pasiskirstę ir ryšys yra tiesinis.
- Informacijos praradimas: Rangavimas gali lemti informacijos praradimą, nes tikslios reikšmės pakeičiamos rangais.
- Sudėtingesnė interpretacija: Ranginės koreliacijos koeficientų interpretacija gali būti šiek tiek sudėtingesnė nei Pearsono koreliacijos koeficiento.
tags: #priklausomybe #tarp #ranginiu #kintamuju