Kalkulator macierzy korelacji

Jak korzystać z kalkulatora macierzy korelacji

1. 1. Wklej arkusz. Jeden wiersz na przypadek, jedna kolumna na zmienną, z wierszem nagłówka z nazwami zmiennych, jeśli go masz. Puste komórki i NA to brakujące wartości; kolumny tekstowe, na przykład identyfikator albo etykieta grupy, są pomijane i wymienione.
2. 2. Wybierz korelację. r Pearsona dla danych ciągłych, w przybliżeniu liniowych; ρ Spearmana dla rang, skal porządkowych albo danych z wartościami odstającymi. Zaznacz lub odznacz zmienne, aby zmienić zawartość macierzy.
3. 3. Zdecyduj, jak traktować braki. Usuwanie parami używa każdego przypadku, który ma obie wartości; usuwanie listowe zachowuje tylko przypadki kompletne we wszystkich zmiennych, więc każda komórka ma tę samą n.
4. 4. Przeczytaj i skopiuj tabelę. Tabela w stylu APA pokazuje trójkąt dolny z gwiazdkami istotności, cieniowany według siły i znaku. Skopiuj ją jako tekst rozdzielony tabulatorami do Worda lub Arkuszy Google albo pobierz pełną macierz jako CSV.

Co pokazuje macierz

Macierz korelacji zestawia korelację każdej zmiennej z każdą inną. Jest symetryczna — r między A i B równa się r między B i A — a przekątna wynosi 1, więc tabela drukuje tylko trójkąt dolny. Każda komórka ma wartość p dla hipotezy zerowej, że korelacja w populacji wynosi zero: dwustronny test t dla r z n − 2 stopniami swobody. Cieniowanie jest niebieskie dla korelacji dodatnich i pomarańczowe dla ujemnych, tym mocniejsze, im większe |r|; liczba jest zawsze wypisana, więc kolor jest pomocą wizualną, a nie jedyną wskazówką.

Przykład krok po kroku

Przykładowe dane zawierają tygodniowe godziny nauki, sen, ocenę stresu (1–10), dzienną liczbę kaw i ocenę z egzaminu 24 studentów. Jedna wartość snu jest pusta, więc przy usuwaniu parami każda para z snem używa 23 przypadków, a pozostałe 24. Najsilniejsze korelacje to godziny nauki z kofeiną (r = 0,75) i ze stresem (r = 0,70). Ocena koreluje 0,56 z godzinami nauki i 0,43 z kofeiną, ale tylko 0,14 ze snem.

Surowe wartości p oznaczają sześć z dziesięciu par jako istotne na poziomie 0,05. Po korekcie Holma dla dziesięciu testów zostaje pięć: korelacja oceny z kofeiną (surowe p = 0,038, skorygowane p = 0,188) już się nie kwalifikuje, a kilka innych traci poziom gwiazdek. To przesunięcie jest całym powodem, dla którego warto korygować: przy dziesięciu testach na poziomie 0,05 należy spodziewać się około połowy fałszywego alarmu, nawet gdyby nic naprawdę nie korelowało.

Usuwanie parami czy listowe?

Gdy brakuje niewiele danych, obie metody dają zbliżone wyniki. Gdy brakuje dużo, podaj, której użyłeś, oraz n; notka pod tabelą, którą generuje to narzędzie, podaje to właśnie.

Wiele korelacji, wiele szans

Macierz z k zmiennymi zawiera k(k − 1) ÷ 2 testów: 45 dla dziesięciu zmiennych, 190 dla dwudziestu. Na poziomie 0,05 należy oczekiwać jednego fałszywie dodatniego wyniku na każde dwadzieścia korelacji, które naprawdę są zerowe. Korekta Bonferroniego mnoży każde p przez liczbę testów; metoda Holma, stopniowa, kontroluje ten sam błąd rodzinny (FWER) z większą mocą, więc jest lepszym domyślnym wyborem. Obie to wzory z funkcji p.adjust w R. Gdy wybierzesz korektę, skorygowane wartości p decydują o gwiazdkach w tabeli. Analiza eksploracyjna może zostawić wartości p nieskorygowane, jeśli to zaznaczy; wnioski potwierdzające — nie powinny.

Najczęstsze pytania

Jak zrobić macierz korelacji z wartościami p?

Wklej kolumny w pole powyżej. Dodatek Analysis ToolPak w Excelu podaje tylko wartości r, bez wartości p i oznaczeń istotności, dlatego wiele osób liczy macierz gdzie indziej. Ten kalkulator podaje r, wartość p i n dla każdej pary oraz tabelę sformatowaną do pracy.

Jak podać macierz korelacji w stylu APA?

Przedstaw tabelę ze zmiennymi w wierszach i ponumerowanymi kolumnami, tylko z trójkątem dolnym, bez zera przed przecinkiem przy r, z kolumnami M i SD, gwiazdkami dla istotności i notką, która je definiuje i podaje N (konwencje APA dla tabel korelacji, 7. wydanie). Tabela powyżej jest tak ułożona, a przycisk Kopiuj tabelę daje tekst rozdzielony tabulatorami do tabeli w Wordzie.

Pearson czy Spearman dla macierzy korelacji?

Pearson, jeśli zmienne są ciągłe, w przybliżeniu liniowo zależne i bez skrajnych wartości odstających; Spearman, jeśli są porządkowe, skośne albo zawierają wartości odstające, albo jeśli ufasz tylko uporządkowaniu. W pozycjach skali Likerta Spearman jest bezpieczniejszym domyślnym wyborem. Możesz przełączać i porównywać — duża różnica między macierzami sugeruje krzywiznę lub wartości odstające.

Jaka jest różnica między usuwaniem parami a listowym?

Usuwanie parami oblicza każdą korelację z przypadków, które mają obie jej zmienne, więc n różni się między komórkami. Usuwanie listowe odrzuca każdy przypadek z brakiem gdziekolwiek, więc n jest stałe. Parami zachowuje więcej danych; listowo gwarantuje, że wszystkie komórki opisują tę samą próbę. Żadna z metod nie naprawia danych, które brakują z przyczyn systematycznych.

Czy muszę korygować wielokrotne porównania?

Jeśli będziesz interpretować istotność wielu korelacji jako wyniki — tak, albo przynajmniej napisz, że wartości p są nieskorygowane. Holm to dobry domyślny wybór: nigdy nie jest słabszy niż Bonferroni i kontroluje ten sam poziom błędu. Jeśli czytasz macierz tylko opisowo, ważniejsze są wielkości efektu niż wartości p.

Co oznacza myślnik w macierzy?

Na przekątnej oznacza korelację zmiennej z samą sobą. W pozostałych miejscach oznacza, że korelacja jest nieokreślona: jedna zmienna jest stała (nie ma wariancji do korelowania) albo para ma mniej niż dwa wspólne przypadki.