MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Korelasyon Analizi

Korelasyon Analizianaliz

İki sayısal değişkenin birlikte nasıl değiştiğini, ilişkinin yönünü (pozitif ya da negatif) ve gücünü −1 ile 1 arasında tek bir katsayıyla gösteren analiz.

Kavram

Korelasyon, bir değişken artarken diğerinin de artma (pozitif ilişki) ya da azalma (negatif ilişki) eğiliminde olup olmadığını sorar. Katsayı 1'e yaklaştıkça noktalar yükselen bir doğruya, −1'e yaklaştıkça alçalan bir doğruya daha sıkı dizilir; 0 doğrusal bir ilişki olmadığı anlamına gelir. Katsayının karesi (r²), bir değişkendeki değişkenliğin ne kadarının diğeriyle ortak olduğunu gösterir.

Pearson korelasyonu iki değişkenin standartlaştırılmış değerlerinin çarpımlarının ortalaması gibi düşünülebilir: r = Σ (zₓ · z_y) / (n − 1). Doğrusal ilişkiyi ölçer ve uç değerlere duyarlıdır. Spearman korelasyonu aynı hesabı değerlerin sıraları üzerinde yapar ve doğrusal olmasa bile tek yönlü (monoton) ilişkileri yakalar; Kendall τ ise gözlem çiftlerinin aynı yönde mi ters yönde mi sıralandığına bakar ve küçük örneklemlerde ve çok sayıda eşit değer olduğunda tercih edilir. Kısmi korelasyon, üçüncü bir değişkenin etkisi çıkarıldıktan sonra kalan ilişkiyi gösterir.

Korelasyon nedensellik göstermez: iki değişken birlikte değişebilir çünkü biri diğerini etkiler, ya da her ikisini de etkileyen üçüncü bir değişken vardır. Pearson katsayısı yalnız doğrusal ilişkiyi ölçtüğü için eğrisel bir ilişkide sıfıra yakın çıkabilir; bu nedenle saçılım grafiğine mutlaka bakılmalıdır. Büyük örneklemlerde çok zayıf korelasyonlar bile anlamlı çıkabilir; yorumda p-değerinden çok katsayının büyüklüğü ve güven aralığı önemlidir.

Ne zaman kullanılır?

  • İki sayısal değişken arasındaki ilişkinin yönünü ve gücünü özetlemek ya da çok sayıda değişken arasındaki ilişkileri bir matriste taramak istendiğinde.
  • Veriler sıralı, çarpık ya da uç değerli ise Pearson yerine Spearman; örneklem küçük ve çok sayıda eşit değer varsa Kendall τ kullanılır.
  • Bir değişkeni diğerinden tahmin etmek ya da birden fazla değişkenin etkisini aynı anda incelemek gerekiyorsa regresyon; iki ölçüm yönteminin uyumu soruluyorsa korelasyon değil Bland-Altman analizi ya da sınıf içi korelasyon kullanılır.

Gündelik bir örnek

Bir koşu kulübü 40 üyesinin haftalık antrenman mesafesini ve 10 km yarış süresini kaydediyor. Daha çok koşanların yarışı daha kısa sürede bitirdiği görülüyor ve Pearson korelasyonu r = −0,70 çıkıyor: güçlü, negatif bir ilişki. r² ≈ 0,49, yani yarış sürelerindeki farklılığın yaklaşık yarısı antrenman mesafesiyle ortaktır. Ancak bu, antrenmanın tek başına süreyi kısalttığını kanıtlamaz; genç üyeler hem daha çok antrenman yapıyor hem de daha hızlı koşuyor olabilir. Yaşın etkisini görmek için kısmi korelasyon kullanılır.

MerQur'da parametreler

Değişkenler

Kavram: Aralarındaki ilişkiler hesaplanacak sayısal değişkenlerdir; seçilen her değişken çifti için bir katsayı hesaplanır ve sonuçlar bir korelasyon matrisinde toplanır. k değişken seçildiğinde k(k − 1)/2 çift oluşur.

Gündelik örnek: Koşu kulübü antrenman mesafesi, yarış süresi ve yaşı seçerse 3 çift incelenir. Kilo ve uyku süresi de eklenirse çift sayısı 10'a çıkar ve bazı ilişkilerin şansla anlamlı çıkma olasılığı artar.

Ne işe yarar: Korelasyonu hesaplanacak sayısal değişkenleri seçer; seçilen değişkenlerin tüm çiftleri hesaplanır.

Sonuca etkisi: Matris boyutunu, p düzeltmesindeki test sayısını (k(k - 1)/2) ve liste bazında silmede kullanılan vaka kümesini belirler. Gereksiz değişken eklemek çoklu karşılaştırma yükünü artırır.

Doğrulama verisinde: USJudgeRatings 12 değişken = 66 çift; Holm düzeltmesinde CONT x INTG p değeri 0.3945'ten 1.0'a çıkar.

Yöntem (Pearson (parametrik), Spearman (sıralı), Kendall τ)

Kavram: İlişkinin hangi türünün ölçüleceğini belirler. Pearson doğrusal ilişkiyi ölçer ve iki değişkenin birlikte yaklaşık normal dağılmasını bekler; Spearman değerlerin sıralarına dayanır ve tek yönlü (monoton) ilişkiyi ölçer; Kendall τ gözlem çiftlerinin uyumlu ya da uyumsuz sıralanma oranına dayanır.

Gündelik örnek: Kulüpte bir üye haftada 150 km koşuyor ve diğerlerinden çok uzaktaysa bu tek uç değer Pearson katsayısını belirgin biçimde değiştirebilir. Spearman ise yalnız sıralara baktığı için o üyenin 'en çok koşan' olmasını dikkate alır, ne kadar uzakta olduğunu değil.

Ne işe yarar: Pearson doğrusal ilişkiyi, Spearman sıra temelli monoton ilişkiyi, Kendall τ-b uyumlu/uyumsuz çift oranını (bağ düzeltmeli) ölçer. Pearson iki değişkenli normal veride, Spearman sıralı veya çarpık veride, Kendall küçük örnek ve çok bağlı değerlerde tercih edilir.

Sonuca etkisi: r, p ve güven aralığı formülü değişir. Spearman p değeri t yaklaşımıyla, Kendall p değeri bağ yoksa ve n küçükse kesin dağılımla hesaplanır.

Doğrulama verisinde: Fitness Oxygen x RunTime: Pearson -0.8684, Spearman -0.8013, Kendall -0.6243. Ton balığı (n = 9) Kendall sağ yönlü kesin p = 0.0597.

→ Pearson korelasyon katsayısı

Güven Düzeyi (%90, %95, %99, Diğer (özel))

Kavram: Korelasyon katsayısı için verilen güven aralığının ne kadar 'emin' olacağını belirler. Katsayı ve p-değeri değişmez.

Gündelik örnek: 40 üyeyle r = −0,70 için %95 güven aralığı yaklaşık −0,83 ile −0,50 arasıdır; %99 güven istenirse aralık genişler. Aralık geniş olduğunda ilişkinin 'orta' mı 'çok güçlü' mü olduğu kesin söylenemez.

Ne işe yarar: r için güven aralığının düzeyi (1 - alfa); sıra aralıkları ve bootstrap yüzdeliklerini de belirler. Özel değer 80.0-99.9 aralığındadır.

Sonuca etkisi: Yalnız aralık genişliği; r ve p değişmez.

Doğrulama verisinde: Fitness Oxygen x RunTime: %90 [-0.9296, -0.7606], %95 [-0.9377, -0.7328], %99 [-0.9510, -0.6704] (Fisher z, yanlılık düzeltmesiz).

→ Güven düzeyi ve güven aralığı

Hipotez yönü (Çift yönlü (≠), Sağ yönlü (>), Sol yönlü (<))

Kavram: Araştırma sorusunun herhangi bir ilişkiyi mi (çift yönlü), yoksa önceden belirlenmiş bir yöndeki ilişkiyi mi (yalnız pozitif ya da yalnız negatif) aradığını belirtir. Yön veri toplanmadan, kuramdan seçilmelidir.

Gündelik örnek: Kulüp antrenörü 'daha çok koşan daha hızlı bitirir' beklentisini önceden yazdıysa negatif yönlü tek yönlü test seçebilir. Yönü bilmiyorsa ya da her iki yön de ilginçse çift yönlü test uygundur.

Ne işe yarar: Çift yönlü, sağ yönlü (ρ > 0) veya sol yönlü (ρ < 0) sınama; yön veri toplanmadan önce kuramsal olarak belirlenmişse kullanılır.

Sonuca etkisi: p değeri, kısmi korelasyon p değeri ve güven aralığı değişir; yönlü hipotezde aralık tek yönlüdür (karşı sınır ±1).

Doğrulama verisinde: Fitness Weight x RunTime p: çift 0.2965, sağ 0.1482, sol 0.8518. Tek yönlü p seçilen yöne göre verilir (Weight x Oxygen sağ yönlü 0.7868). Ton balığı sağ yönlü Pearson [-0.0222, 1].

→ Tek yönlü ve çift yönlü test (hipotez yönü)

p-düzeltmesi (çoklu) (Yok, Bonferroni, Holm, FDR (BH))

Kavram: Çok sayıda korelasyon aynı anda sınandığında, hiçbir gerçek ilişki olmasa bile bazılarının şansla anlamlı çıkma olasılığı artar. Bonferroni ve Holm tüm testlerde en az bir yanlış alarm olasılığını sınırlar; Benjamini-Hochberg anlamlı bulunan ilişkiler içindeki yanlış alarm oranını kontrol eder ve keşifsel taramalarda daha uygundur.

Gündelik örnek: Kulüp 10 değişken arasındaki 45 korelasyonun hepsine bakarsa, gerçek bir ilişki olmasa bile %5 düzeyinde yaklaşık 2 ilişki tesadüfen anlamlı çıkar. Düzeltme, 'uyku süresi ile ayakkabı numarası ilişkili' gibi tesadüfi bulguları ayıklamaya yardım eder.

Ne işe yarar: Çok sayıda ikili testte ailesel hatayı (Bonferroni, Holm) veya yanlış keşif oranını (Benjamini-Hochberg) denetler. Doğrulayıcı raporlarda Holm, keşifsel taramada BH uygundur.

Sonuca etkisi: p matrisi düzeltilmiş p ile değişir; r ve aralık değişmez. Kısmi korelasyon tablosuna p_adj sütunu eklenir.

Doğrulama verisinde: Fitness Weight x Oxygen p = 0.4264 -> Bonferroni 1.0, Holm 0.5930, BH 0.4264. USJudgeRatings'te 66 çiftin tümü birlikte düzeltilir.

→ Çoklu karşılaştırma ve aile boyu hata oranı (FWER)

r için güven aralığı

Kavram: Örneklemden hesaplanan r'nin, gerçek korelasyonun hangi aralıkta olabileceğine dair belirsizliğini gösterir. r'nin dağılımı simetrik olmadığı için aralık genellikle Fisher z dönüşümüyle hesaplanır; bu yüzden aralık r'nin iki yanında eşit uzunlukta olmayabilir.

Gündelik örnek: Kulüpte r = −0,70 için aralık −0,83 ile −0,50 arasındadır; −0,70'e uzaklığı bir yanda 0,13, öbür yanda 0,20'dir. Katsayı ±1'e yaklaştıkça bu asimetri belirginleşir.

Ne işe yarar: Pearson ve Spearman için Fisher z (SE = 1/√(n - 3)), Kendall için Fieller (SE = √(0.437/(n - 4))) güven aralığını verir. Yönlü hipotezde aralık tek yönlüdür. Etki büyüklüğü raporlamasında r ile birlikte verilir (APA 7).

Sonuca etkisi: Kapatılırsa aralık sütunu kalkar. Tüm çiftlerin r, p, aralık ve n değerleri "TÜM ÇİFTLER" tablosunda gösterilir.

Doğrulama verisinde: Pearson ve Spearman aralıkları Fisher z dönüşümüyle (yanlılık düzeltmesiz) hesaplanır; Spearman için Fieller-Hartley-Pearson aralığı daha geniştir. Kendall Oxygen x RunTime [-0.7601, -0.4363] (Fieller).

→ Fisher z dönüşümü (korelasyon güven aralığı)

Eksik veri (Çiftli silme, Liste bazında silme)

Kavram: Eksik değerlerin nasıl ele alınacağını belirler. Çiftli silmede her korelasyon o iki değişkende tam olan tüm gözlemlerle hesaplanır, bu yüzden çiftlerin örneklem büyüklükleri farklı olabilir; liste bazında silmede yalnız tüm seçili değişkenlerde tam olan gözlemler kullanılır ve tüm katsayılar aynı kişilere dayanır.

Gündelik örnek: Kulüpte 5 üyenin yaşı kayıtlı değilse çiftli silmede antrenman-süre korelasyonu 40, yaşlı korelasyonlar 35 üyeyle hesaplanır. Liste bazında silmede tüm korelasyonlar aynı 35 üyeyle hesaplanır; bu, katsayıları birbirleriyle tutarlı kılar.

Ne işe yarar: Çiftli silmede her çift kendi tam vakalarını, liste bazında silmede tüm seçili (ve kontrol) değişkenlerde tam vakaları kullanır. Matrisin tutarlı (pozitif tanımlı) olması gerekiyorsa liste bazında tercih edilir.

Sonuca etkisi: n, r, p ve betimleyiciler değişir. Çiftli silmede künyede çift başına n aralığı yazılır.

Doğrulama verisinde: Fitness Weight x Oxygen çiftli r = -0.1536 (n = 29), liste bazında -0.1842 (n = 28); liste bazında ortalama Weight = 77.2168. Çiftli silmede künyede n = 28-29 yazar.

→ Liste bazında ve çift bazında silme

Sıra korelasyonu GA'sı (Fisher z (varsayılan), Bonett-Wright / Fieller)

Kavram: Spearman ve Kendall gibi sıra temelli katsayılar için Pearson'a göre tasarlanmış Fisher z aralığı her zaman doğru kapsama vermez. Bonett-Wright ve Fieller aralıkları sıra korelasyonlarının belirsizliğini daha doğru yansıtacak biçimde düzeltilmiştir.

Gündelik örnek: Kulüp uç değerler yüzünden Spearman'ı seçtiyse, katsayının güven aralığı için de sıra korelasyonuna uygun Bonett-Wright aralığını raporlamak daha doğrudur.

Ne işe yarar: Spearman için Bonett-Wright (SE = √((1 + r²/2)/(n - 3))), Kendall için Fieller aralığını ek tablo olarak verir; kapsama olasılığı Fisher z'den daha iyidir (Bonett ve Wright, 2000).

Sonuca etkisi: Ek tablo; ana aralık değişmez. Pearson seçiliyken alan devre dışıdır. Kendall'da varsayılan aralık Fieller olduğundan ek tablo ana aralıkla aynıdır.

Doğrulama verisinde: Fitness Weight x Oxygen Spearman: Fisher [-0.4241, 0.3059], Bonett-Wright [-0.4245, 0.3063]; Kendall Fieller [-0.2627, 0.2442].

→ Fisher z dönüşümü (korelasyon güven aralığı)

Ek çıktılar: Betimleyiciler ve N

Kavram: Her değişkenin gözlem sayısını, ortalamasını ve standart sapmasını, her çiftin gözlem sayısıyla birlikte verir. Akademik raporlarda korelasyon tablosunun yanında beklenen temel bilgilerdir.

Gündelik örnek: Kulüp raporunda 'üyeler haftada ortalama 32 km (SS 12) koşuyor, yarış süreleri ortalama 52 dakika (SS 6)' gibi bilgiler, okuyucunun korelasyonun hangi veri üzerinde hesaplandığını anlamasını sağlar.

Ne işe yarar: Değişken başına N, ortalama, SS ve çift başına N; APA korelasyon tablosu için.

Sonuca etkisi: Ek tablo.

Doğrulama verisinde: Fitness Weight N = 31, ortalama 77.4445, SS 8.3286; hsb2 read 52.23 / 10.2529.

Ek çıktılar: Bootstrap GA

Kavram: Korelasyonun güven aralığını formül yerine gözlemleri yerine koyarak binlerce kez yeniden örnekleyip her seferinde katsayıyı hesaplayarak bulur. Veriler normal dağılmadığında ya da formülün varsayımlarına güvenilemediğinde yararlıdır; çok küçük örneklemlerde ise bu aralık da kararsızdır.

Gündelik örnek: 40 üyenin kayıtlarından, bazı üyeler birden çok kez seçilecek biçimde rastgele 40'lık binlerce yeni 'kulüp' oluşturup her birinde korelasyonu hesaplamak gibidir. Bu katsayıların ortadaki %95'i güven aralığını verir.

Ne işe yarar: Her çift için 2000 yeniden örnekle (tohum 42) yüzdelik ve BCa (jackknife ivmeli) aralık verir; normal olmayan veride r aralığı için; çok küçük n'de BCa güvenilmezdir.

Sonuca etkisi: Ek tablo.

Doğrulama verisinde: Fitness Oxygen x RunTime yüzdelik [-0.9401, -0.7408], BCa [-0.9350, -0.7321]. Ton balığı (n = 9) BCa alt sınırı tohuma göre çok oynaktır.

→ Bootstrap (yeniden örnekleme)

Ek çıktılar: Varsayım kontrolleri

Kavram: Pearson korelasyonunun anlamlılık testi ve güven aralığı iki değişkenin birlikte normal dağıldığını varsayar. Normallik testleri ve saçılım matrisi bu varsayımı ve doğrusallığı görsel ve istatistiksel olarak denetlemeyi sağlar.

Gündelik örnek: Saçılım grafiğinde antrenman mesafesi ile süre arasındaki ilişki düz bir çizgi değil de belli bir mesafeden sonra düzleşen bir eğri gibi görünüyorsa Pearson ilişkiyi eksik anlatır; bu durumda Spearman daha uygun olabilir.

Ne işe yarar: Değişken başına Shapiro-Wilk, Mardia çok değişkenli çarpıklık/basıklık testi ve saçılım matrisi; Pearson'un iki değişkenli normallik varsayımını incelemek içindir.

Sonuca etkisi: Ek tablo ve grafik.

Doğrulama verisinde: Fitness Weight W = 0.9799, p = 0.8106; Mardia çarpıklık 8.841 (df 10, p 0.547), basıklık z = -0.791.

→ Normallik varsayımı

Ek çıktılar: Polikorik / biserial

Kavram: Değişkenlerden biri ya da ikisi sıralı ya da ikili ise ama altında sürekli ve normal dağılan bir özellik olduğu varsayılabiliyorsa kullanılan korelasyonlardır. Polikorik (2x2'de tetrakorik) iki sıralı değişken, biserial ve nokta-çift serili ise ikili ile sürekli değişken arasındaki ilişkiyi ölçer.

Gündelik örnek: Kulüp üyelerin form durumunu 'kötü, orta, iyi' diye, uyku kalitesini de üç düzeyde sıralı olarak kaydettiyse polikorik korelasyon bu iki sıralı değişkenin altındaki sürekli özellikler arasındaki ilişkiyi kestirir. 'Sakatlık geçirdi mi?' (evet/hayır) ile antrenman mesafesi arasındaki ilişki için nokta-çift serili korelasyon kullanılır.

Ne işe yarar: ≤ 10 düzeyli iki değişken için iki aşamalı polikorik (2x2'de tetrakorik), ikili x sürekli için biserial ve nokta-çift serili korelasyon verir; sıralı/ikili değişkenin altında normal gizil değişken varsayılabiliyorsa kullanılır.

Sonuca etkisi: Ek tablo; uygun çift yoksa bilgi notu.

Doğrulama verisinde: hsb2 female x schtyp tetrakorik 0.0291, ses x prog polikorik 0.0198; write x female biserial 0.3222 (nokta-çift serili 0.2565).

→ Polikorik ve tetrakorik korelasyon

Kontrol değişkenleri (kısmi r)

Kavram: Kısmi korelasyon, bir ya da daha fazla kontrol değişkeninin her iki değişken üzerindeki etkisi çıkarıldıktan sonra kalan ilişkidir. Yarı-kısmi korelasyonda kontrol değişkeninin etkisi yalnız değişkenlerden birinden çıkarılır.

Gündelik örnek: Kulüpte antrenman mesafesi ile yarış süresi arasındaki r = −0,70, yaş kontrol edildiğinde ör. −0,55'e düşebilir. Bu, ilişkinin bir kısmının genç üyelerin hem çok koşup hem hızlı olmasından geldiğini, ama yaştan bağımsız güçlü bir ilişkinin de sürdüğünü gösterir.

Ne işe yarar: Seçilen değişkenler sabit tutularak kısmi ve yarı-kısmi (Z yalnız ikinci değişkenden çıkarılır) korelasyonu hesaplar; üçüncü değişkenlerin etkisi arındırılmış ilişki içindir.

Sonuca etkisi: Ek tablo (r_partial, r_semi, t/z, df, n, p).

Doğrulama verisinde: Fish1 Height x Width r = 0.9267; Length3 ve Weight3 sabitken kısmi r = 0.2569, p = 0.1558; yarı-kısmi 0.0648.

→ Kısmi ve yarı kısmi korelasyon

Gerçek veride örnek

Veri: SAS/STAT PROC CORR Örnek 2.1 (Fitness)

Değişkenler: değişkenler Weight (kilo), Oxygen (oksijen tüketimi), RunTime (koşu süresi)

  • Soru: Fitness verisinde kilo (Weight), oksijen tüketimi (Oxygen) ve koşu süresi (RunTime) arasında doğrusal ilişki var mı?
  • Yöntem: Pearson korelasyonu, çift başına eksik silme (Oxygen ile RunTime için n = 28, diğer çiftlerde n = 29); güven aralıkları Fisher z dönüşümüyle.
  • Sonuç: Oxygen ile RunTime arasında güçlü negatif ilişki vardır: r = -0.868, p < .001, %95 GA [-0.938, -0.733]. Kilo ile diğer iki değişken arasında anlamlı ilişki yoktur (Weight x Oxygen r = -0.154, p = .426; Weight x RunTime r = 0.201, p = .297).
  • Etki büyüklüğü: r² = 0.75; koşu süresindeki değişkenliğin yaklaşık dörtte üçü oksijen tüketimiyle ortaktır: oksijen kapasitesi yüksek olanlar daha kısa sürede koşar.
  • Sınırlılık: Korelasyon nedensellik göstermez; kiloyla ilgili aralıkların sıfırı içermesi küçük örneklemi de yansıtır.
  • APA: Oksijen tüketimi ile koşu süresi arasında güçlü negatif ilişki bulundu, r(26) = -.87, p < .001, %95 GA [-.94, -.73].

İlgili kavramlar

Fisher z dönüşümü (korelasyon güven aralığı)Kısmi ve yarı kısmi korelasyonSpearman sıra korelasyonuÇoklu karşılaştırma ve aile boyu hata oranı (FWER)Polikorik ve tetrakorik korelasyonTek yönlü ve çift yönlü test (hipotez yönü)Liste bazında ve çift bazında silmeKendall tau korelasyonu

Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.