Kalkulator Matriks Korelasi

Cara Menggunakan Kalkulator Matriks Korelasi

1. 1. Tempel spreadsheet Anda. Satu baris per kasus, satu kolom per variabel, dengan baris judul berisi nama variabel jika Anda punya. Sel kosong dan NA adalah nilai yang hilang; kolom teks seperti ID atau label kelompok dilewati dan didaftarkan.
2. 2. Pilih korelasinya. r Pearson untuk data kontinu yang kira-kira linear; ρ Spearman untuk peringkat, skala ordinal, atau data dengan pencilan. Centang atau hilangkan centang variabel untuk mengubah isi matriks.
3. 3. Tentukan cara menangani nilai yang hilang. Penghapusan berpasangan memakai setiap kasus yang dimiliki pasangan; penghapusan per daftar hanya menyimpan kasus yang lengkap di semua variabel, sehingga setiap sel memiliki n yang sama.
4. 4. Baca dan salin tabelnya. Tabel gaya APA menampilkan segitiga bawah dengan bintang signifikansi, diberi warna menurut kekuatan dan arah. Salin sebagai teks yang dipisahkan tab untuk Word atau Sheets, atau unduh seluruh matriks sebagai CSV.

Apa yang Ditunjukkan Matriks

Matriks korelasi mencantumkan korelasi setiap variabel dengan setiap variabel lainnya. Matriks ini simetris — r antara A dan B sama dengan r antara B dan A — dan diagonalnya bernilai 1, sehingga tabel hanya mencetak segitiga bawah. Setiap sel disertai nilai p untuk hipotesis nol bahwa korelasi populasi bernilai nol, yaitu uji t dua sisi terhadap r dengan n − 2 derajat kebebasan. Warnanya biru untuk korelasi positif dan oranye untuk negatif, makin pekat jika |r| makin besar; angkanya selalu dicetak, sehingga warna hanya alat bantu visual, bukan satu-satunya petunjuk.

Contoh Kasus

Data contoh berisi jam belajar mingguan, tidur, peringkat stres (1–10), jumlah cangkir kopi harian, dan nilai ujian dari 24 mahasiswa. Satu nilai tidur kosong, sehingga dengan penghapusan berpasangan setiap pasangan yang melibatkan tidur memakai 23 kasus dan pasangan lainnya memakai 24. Korelasi terkuat adalah jam belajar dengan kafein (r = 0,75) dan dengan stres (r = 0,70). Nilai berkorelasi 0,56 dengan jam belajar dan 0,43 dengan kafein, tetapi hanya 0,14 dengan tidur.

Nilai p mentah menandai enam dari sepuluh pasangan sebagai signifikan pada 0,05. Setelah penyesuaian Holm atas sepuluh uji, lima tetap bertahan: korelasi nilai dengan kafein (p mentah = 0,038, p disesuaikan = 0,188) tidak lagi memenuhi syarat, dan beberapa lainnya kehilangan satu tingkat bintang. Pergeseran itu adalah alasan utama untuk melakukan penyesuaian: dengan sepuluh uji pada 0,05, Anda sebaiknya memperkirakan sekitar setengah alarm palsu bahkan jika tidak ada korelasi yang sebenarnya.

Penghapusan Berpasangan atau Per Daftar?

Ketika sedikit data yang hilang, keduanya hampir sama. Ketika banyak yang hilang, laporkan metode yang Anda pakai dan n; catatan tabel yang ditulis alat ini menyebutkannya.

Banyak Korelasi, Banyak Peluang

Matriks dengan k variabel memuat k(k − 1) ÷ 2 uji: 45 untuk sepuluh variabel, 190 untuk dua puluh. Pada tingkat 0,05 Anda memperkirakan satu positif palsu dari setiap dua puluh korelasi yang sebenarnya nol. Penyesuaian Bonferroni mengalikan setiap p dengan jumlah uji; metode step-down Holm mengendalikan tingkat galat keluarga yang sama dengan daya yang lebih tinggi, sehingga lebih baik sebagai bawaan. Keduanya adalah rumus yang dipakai p.adjust di R. Nilai p yang disesuaikan dipakai untuk bintang dalam tabel ketika Anda memilih penyesuaian. Penelitian eksploratif boleh membiarkan nilai p tidak disesuaikan asalkan dinyatakan; klaim konfirmatori tidak boleh.

Pertanyaan yang Sering Diajukan

Bagaimana cara membuat matriks korelasi dengan nilai p?

Tempel kolom Anda ke kotak di atas. Analysis ToolPak di Excel hanya menghasilkan nilai r, tanpa nilai p atau penanda signifikansi, itulah sebabnya banyak orang menghitung matriks di tempat lain. Kalkulator ini memberikan r, nilai p, dan n untuk setiap pasangan, plus tabel yang diformat untuk makalah.

Bagaimana cara melaporkan matriks korelasi dalam gaya APA?

Sajikan tabel dengan variabel di baris dan kolom bernomor, hanya segitiga bawah, tanpa angka nol di depan untuk r, kolom M dan SD, tanda bintang untuk signifikansi, serta catatan yang mendefinisikannya dan menyatakan N (konvensi tabel korelasi APA edisi ke-7). Tabel di atas disusun seperti itu, dan tombol Salin tabel memberi Anda teks yang dipisahkan tab untuk tabel Word.

Apakah saya sebaiknya memakai Pearson atau Spearman untuk matriks korelasi?

Pearson jika variabel Anda kontinu, kira-kira linear dalam hubungannya, dan bebas dari pencilan ekstrem; Spearman jika variabelnya ordinal, miring, atau mengandung pencilan, atau jika Anda hanya memercayai urutannya. Untuk item Likert, Spearman adalah pilihan bawaan yang lebih aman. Anda bisa beralih dan membandingkan — selisih besar antara kedua matriks menunjukkan kelengkungan atau pencilan.

Apa perbedaan antara penghapusan berpasangan dan per daftar?

Penghapusan berpasangan menghitung setiap korelasi dari setiap kasus yang memiliki kedua variabelnya, sehingga n bervariasi antarsel. Penghapusan per daftar membuang kasus apa pun yang memiliki nilai hilang di mana pun, sehingga n konstan. Berpasangan menyimpan lebih banyak data; per daftar menjamin semua sel menggambarkan sampel yang sama. Keduanya tidak memperbaiki data yang hilang karena alasan sistematis.

Apakah saya perlu menyesuaikan untuk perbandingan berganda?

Jika Anda akan menafsirkan signifikansi banyak korelasi sebagai temuan, ya — atau setidaknya nyatakan bahwa nilai p tidak disesuaikan. Holm adalah pilihan bawaan yang baik: tidak pernah kurang kuat daripada Bonferroni dan mengendalikan tingkat galat yang sama. Jika Anda hanya membaca matriks secara deskriptif, ukuran efek lebih penting daripada nilai p.

Apa arti tanda hubung dalam matriks?

Di diagonal, tanda itu menandai korelasi variabel dengan dirinya sendiri. Di tempat lain, artinya korelasinya tidak terdefinisi: salah satu variabel konstan (tidak memiliki varians untuk dikorelasikan) atau pasangan itu memiliki kurang dari dua kasus yang sama.