Công Cụ So Sánh Hệ Số Tương Quan
Làm việc với hệ số tương quan từ các giá trị tóm tắt — không cần dữ liệu thô. Tính khoảng tin cậy cho một r, kiểm tra xem hai hệ số tương quan từ các mẫu khác nhau có khác nhau không (z Fisher, kèm khoảng tin cậy cho chênh lệch), so sánh hai hệ số tương quan đo trên cùng những người (Z của Steiger, t của Williams, t của Hotelling), hoặc gộp nhiều nghiên cứu. Miễn phí, không cần đăng ký.
Nhập giá trị hợp lệ: mỗi r phải nằm trong khoảng từ −1 đến 1 (không gồm hai đầu), và mỗi n phải lớn hơn 3.
Cách Sử Dụng Công Cụ So Sánh Hệ Số Tương Quan
- 1. Chọn câu hỏi. Khoảng tin cậy cho một r; so sánh hai hệ số tương quan từ các nhóm khác nhau (độc lập); so sánh hai hệ số tương quan đo trên cùng những người và có chung một biến (phụ thuộc); hoặc nhiều nghiên cứu để gộp.
- 2. Nhập hệ số tương quan và cỡ mẫu. Mỗi r phải nằm trong khoảng từ −1 đến 1 (không gồm hai đầu) và mỗi n phải lớn hơn 3. Với các hệ số phụ thuộc, bạn cũng cần hệ số tương quan giữa hai biến không chung.
- 3. Đặt mức tin cậy và hướng của kiểm định. Mặc định là khoảng tin cậy 95% và kiểm định hai phía. Chỉ chọn kiểm định một phía nếu bạn đã cố định hướng từ trước.
- 4. Đọc kết quả và phần tính toán. Một dòng theo kiểu APA đã sẵn sàng để sao chép, và các bước được hiển thị với số của bạn.
Kiểm Định Nào Cho Tình Huống Nào?
| Tình huống của bạn | Dùng | Phương pháp |
|---|---|---|
| Một mẫu, muốn biết sai số của r | Khoảng tin cậy cho một r | z Fisher |
| r từ nhóm A so với r từ nhóm B (những người khác nhau) | Hai hệ số độc lập | Kiểm định z Fisher; khoảng của Zou cho chênh lệch |
| X dự đoán Y tốt đến đâu so với W dự đoán Y, trong một mẫu | Hai hệ số phụ thuộc chồng lấp | Steiger's Z (cũng có Williams's t, Hotelling's t) |
| Nhiều nghiên cứu về cùng một mối quan hệ | Nhiều hệ số tương quan | Kiểm định Q về tính không đồng nhất; r gộp |
Vì Sao Dùng z Fisher?
Phân phối lấy mẫu của r bị lệch bất cứ khi nào hệ số tương quan thật không bằng không, và độ trải rộng của nó phụ thuộc vào giá trị chưa biết đó. Phép biến đổi Fisher, z = atanh(r) = ½ ln((1 + r) ÷ (1 − r)), khắc phục cả hai vấn đề: z gần chuẩn với sai số chuẩn 1 ÷ √(n − 3) bất kể ρ. Vì vậy bạn xây khoảng tin cậy trên thang z rồi biến đổi ngược bằng tanh, cách này giữ khoảng nằm trong khoảng −1 đến 1 và làm nó lệch quanh r, đúng như lẽ ra phải thế.
Khoảng tin cậy
tanh(atanh r ± z* ÷ √(n − 3))
Hai r độc lập
z = (atanh r₁ − atanh r₂) ÷ √(1 ÷ (n₁ − 3) + 1 ÷ (n₂ − 3))
Ví Dụ Minh Họa
- Một r. r = 0,45 từ 40 trường hợp cho khoảng tin cậy 95% từ 0,1611 đến 0,6679 — rộng, như 40 trường hợp luôn như vậy. Kiểm định với ρ₀ = 0,2 cho z = 1,7151, p = 0,0863: không phân biệt được với 0,2.
- Độc lập. Hệ số đọc–toán là 0,62 ở 85 học sinh nhỏ tuổi và 0,38 ở 110 học sinh lớn tuổi: z = 2,2140, p = 0,0268. Chênh lệch 0,24 có khoảng tin cậy 95% (theo Zou) từ 0,0273 đến 0,4478 — có ý nghĩa, nhưng khoảng cách thật có thể nhỏ.
- Phụ thuộc. Trong một mẫu 100 người, dự báo 1 tương quan 0,55 với kết quả và dự báo 2 tương quan 0,35, còn hai dự báo tương quan 0,40 với nhau. Steiger's Z = 2,1129, p = 0,0346; Williams's t(97) = 2,1448, p = 0,0345; Hotelling's t(97) = 2,1848, p = 0,0313. Hai dự báo khác nhau có ý nghĩa, dù với n = 100 chênh lệch thật vẫn có thể khiêm tốn.
- Nhiều. Bốn nghiên cứu — 0,30 (n = 50), 0,45 (80), 0,52 (65), 0,20 (120): Q(3) = 7,0961, p = 0,0689, I² = 58%, r gộp = 0,3517, khoảng tin cậy 95% từ 0,2494 đến 0,4462. Các nghiên cứu gợi ý có tính không đồng nhất nhưng chưa đủ chắc chắn.
Vì Sao Hệ Số Phụ Thuộc Cần Kiểm Định Riêng?
Khi hai hệ số tương quan chung một biến và đến từ cùng những người, sai số lấy mẫu của chúng có tương quan: một mẫu mà X trông mạnh bất thường cũng có xu hướng làm W trông mạnh nếu X và W có liên quan. Coi chúng là độc lập sẽ bỏ qua hiệp phương sai đó, và kiểm định có thể quá bảo thủ hoặc quá dễ dãi tùy thuộc vào r_kh. Z của Steiger, một cải tiến của kiểm định Dunn–Clark, ước lượng hiệp phương sai từ tương quan giữa các dự báo. t của Williams là phương án thay thế dựa trên t cổ điển và hoạt động tốt trong mẫu nhỏ; t của Hotelling, cũ nhất, hơi dễ bác bỏ giả thuyết không hơn mức danh nghĩa. Công cụ báo cáo cả ba để bạn thấy liệu chúng có cùng kết luận không. Nó không bao gồm các hệ số phụ thuộc không chồng lấp, vốn cần đủ sáu hệ số tương quan giữa bốn biến.
Câu Hỏi Thường Gặp
- Làm thế nào để so sánh hai hệ số tương quan?
- Nếu chúng đến từ các nhóm người khác nhau, hãy chuyển mỗi hệ số sang z Fisher rồi chia chênh lệch cho √(1 ÷ (n₁ − 3) + 1 ÷ (n₂ − 3)); so sánh kết quả với phân phối chuẩn tắc. Nếu chúng đến từ cùng những người và có chung một biến, hãy dùng kiểm định hệ số phụ thuộc như của Steiger, vốn cũng cần hệ số thứ ba.
- Khác biệt giữa hệ số độc lập và phụ thuộc là gì?
- Hệ số độc lập đến từ các mẫu riêng biệt, nên sai số của chúng không liên quan. Hệ số phụ thuộc đo trên cùng người tham gia, nên chúng liên kết về mặt thống kê. Trường hợp chồng lấp — một biến tương quan với hai biến khác — là trường hợp thường gặp, và bỏ qua sự phụ thuộc sẽ cho giá trị p sai.
- Làm thế nào để có khoảng tin cậy cho một hệ số tương quan?
- Biến đổi r thành z = atanh(r), cộng và trừ giá trị tới hạn nhân với 1 ÷ √(n − 3), rồi biến đổi ngược bằng tanh. Đó là điều công cụ này làm, và cũng là khoảng mà cor.test của R báo cáo. Khoảng không đối xứng quanh r và hẹp dần khi n tăng.
- Vì sao là n − 3 chứ không phải n − 2?
- Kiểm định t cho một hệ số tương quan dùng n − 2 bậc tự do vì ước lượng hai tham số. Z Fisher có phương sai khác, xấp xỉ, 1 ÷ (n − 3), suy ra từ hành vi cỡ mẫu lớn của hệ số đã biến đổi. Hai kết quả này là riêng biệt, không mâu thuẫn.
- Nên dùng kiểm định hệ số phụ thuộc nào?
- Steiger's Z và Williams's t đều giữ tốt tỷ lệ sai lầm; việc chọn thường không thay đổi kết luận, và công cụ hiển thị cả hai. Nên ưu tiên Williams's t cho mẫu nhỏ. Hotelling's t được hiển thị để đầy đủ, nhưng tỷ lệ sai lầm bị thổi phồng trong mẫu nhỏ đã được ghi nhận rõ.
- Tôi có thể kiểm tra xem các hệ số tương quan có khác nhau giữa các nhóm bằng hồi quy thay thế không?
- Có. Chuẩn hóa cả hai biến, rồi kiểm định tương tác nhóm-dự báo trong một hồi quy trên dữ liệu gộp. Kết quả tương tự z Fisher cho các nhóm độc lập, và nó mở rộng được sang biến đồng biến và nhiều hơn hai nhóm, nhưng cần dữ liệu thô thay vì các giá trị tóm tắt.