Practical use of correlation coeffi

Practical use of correlation coefficient
Simple application of the correlation coefficient can be
exemplified using data from a sample of 780 women
attending their first antenatal clinic (ANC) visits. We can
expect a positive linear relationship between maternal age in
years and parity because parity cannot decrease with age, but
we cannot predict the strength of this relationship. The task
is one of quantifying the strength of the association. That
is, we are interested in the strength of relationship between
the two variables rather than direction since direction is
obvious in this case. Maternal age is continuous and usually
skewed while parity is ordinal and skewed. With these scales
of measurement for the data, the appropriate correlation
coefficient to use is Spearman’s.The Spearman’s coefficient
is 0.84 for this data. In this case, maternal age is strongly
correlated with parity, i.e. has a high positive correlation
(Table1). The Pearson’s correlation coefficient for these
variables is 0.80. In this case the two correlation coefficients
are similar and lead to the same conclusion, however in
some cases the two may be very different leading to different
statistical conclusions. For example, in the same group of
women the spearman’s correlation between haemoglobin
level and parity is 0.3 while the Pearson’s correlation is
0.2. In this case the two coefficients may lead to different
statistical inference. For example, a correlation coefficient
of 0.2 is considered to be negligible correlation while a
correlation coefficient of 0.3 is considered as low positive
correlation (Table 1), so it would be important to use the
most appropriate one. The most appropriate coefficient in
this case is the Spearman’s because parity is skewed.
In another dataset of 251 adult women, age and weight
were log-transformed. The reason for transforming was to
make the variables normally distributed so that we can use
Pearson’s correlation coefficient. Then we analysed the data
for a linear association between log of age (agelog) and log
of weight (wlog). Both variables are approximately normally
distributed on the log scale. In this case Pearson’s correlation
coefficient is more appropriate. The coefficient is 0.184.This
shows that there is negligible correlation between the age
and weight on the log scale (Table 1).

ผลลัพธ์ (ไทย) 1:

ใช้งานจริงของค่าสัมประสิทธิ์สหสัมพันธ์สามารถใช้งานง่ายของสัมประสิทธิ์สหสัมพันธ์ตัวอย่างการใช้ข้อมูลจากตัวอย่างของผู้หญิงที่ 780เข้าชมเข้าร่วมคลินิกตนแรกครรภ์ (ANC) เราสามารถคาดว่าความสัมพันธ์เชิงบวกระหว่างอายุมารดาในปีและเท่าเทียมกัน เพราะเท่าเทียมกันไม่ลดอายุ แต่เราไม่สามารถทำนายความแข็งแกร่งของความสัมพันธ์นี้ งานเป็นหนึ่งในจุดแข็งของความสัมพันธ์เชิงปริมาณ ว่าเป็น เรามีความสนใจในความแข็งแรงของความสัมพันธ์ระหว่างสองตัวแปรแทนที่เป็นทิศทางเป็นทิศทางเห็นได้ชัดในกรณีนี้ อายุมารดาคืออย่างต่อเนื่อง และมักจะบิดเบือนในขณะที่เท่าเทียมกันลำดับ และเบ้ เครื่องชั่งเหล่านี้การวัดข้อมูล ความสัมพันธ์ที่เหมาะสมค่าสัมประสิทธิ์การใช้เป็นของ Spearman ค่าสัมประสิทธิ์ของ Spearmanเป็น 0.84 สำหรับข้อมูลนี้ ในกรณีนี้ อายุมารดาเป็นอย่างยิ่งมีความสัมพันธ์กับความเท่าเทียมกัน มีความสัมพันธ์ในเชิงบวกสูงเช่น(Table1) สัมประสิทธิ์สหสัมพันธ์ของเพียร์สันเหล่านี้ตัวแปรคือ 0.80 ในกรณีนี้สองสัมประสิทธิ์สหสัมพันธ์จะคล้ายกัน และนำข้อสรุปเดียวกัน อย่างไรก็ตามในบางกรณีสองอาจแตกต่างกันมากนำที่แตกต่างกันข้อสรุปทางสถิติ ตัวอย่าง ในกลุ่มเดียวกันผู้หญิงของ spearman สัมพันธ์ระหว่าง haemoglobinระดับและเท่าเทียมกันเป็น 0.3 ในขณะที่สหสัมพันธ์ของเพียร์สัน0.2 ในกรณีนี้สัมประสิทธิ์สองอาจจะแตกต่างกันสถิติอนุมาน ตัวอย่างเช่น สัมประสิทธิ์สหสัมพันธ์ที่ 0.2 ถือว่าเป็นความสัมพันธ์เล็กน้อยขณะถือว่าเป็นบวกต่ำสัมประสิทธิ์สหสัมพันธ์ของ 0.3สหสัมพันธ์ (ตาราง 1), จึงจะต้องใช้การหนึ่งที่เหมาะสม ค่าสัมประสิทธิ์ที่เหมาะสมสุดในกรณีนี้เป็นของ Spearman เพราะเท่าเทียมกันมีเบ้ในชุดข้อมูลอื่น 251 ผู้หญิง อายุ และน้ำหนักบันทึกการเปลี่ยนแปลงได้ เหตุผลสำหรับการเปลี่ยนแปลงได้ทำให้กระจายปกติเพื่อให้เราสามารถใช้ตัวแปรสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน แล้ว เรานำมาวิเคราะห์ข้อมูลสำหรับความสัมพันธ์เชิงเส้นระหว่างบันทึกอายุ (agelog) และบันทึกน้ำหนัก (wlog) ตัวแปรทั้งสองมีประมาณตามปกติ กระจายบนสเกลล็อก ในสหสัมพันธ์ของเพียร์สันกรณีนี้ค่าสัมประสิทธิ์ไม่เหมาะสม ค่าสัมประสิทธิ์เป็น 0.184.Thisแสดงว่า มีความสัมพันธ์เล็กน้อยระหว่างอายุและน้ำหนักบนเครื่องชั่งล็อก (ตาราง 1)

ผลลัพธ์ (ไทย) 2:

การใช้งานจริงของค่าสัมประสิทธิ์สหสัมพันธ์
โปรแกรมที่ง่ายของค่าสัมประสิทธิ์สหสัมพันธ์สามารถ
สุดขั้วโดยใช้ข้อมูลจากกลุ่มตัวอย่างของผู้หญิง 780
เข้าร่วมคลินิกฝากครรภ์ (ANC) เข้าชมครั้งแรกของพวกเขา เราสามารถ
คาดหวังความสัมพันธ์เชิงเส้นเชิงบวกระหว่างอายุของมารดาใน
ปีที่ผ่านมาและความเท่าเทียมกันเพราะความเท่าเทียมกันไม่สามารถลดลงตามอายุ แต่
เราไม่สามารถคาดการณ์ความแข็งแรงของความสัมพันธ์นี้ งาน
เป็นหนึ่งในเชิงปริมาณความแข็งแรงของสมาคมฯ นั่น
ก็คือเรามีความสนใจในความแข็งแกร่งของความสัมพันธ์ระหว่าง
ตัวแปรทั้งสองมากกว่าทิศทางตั้งแต่ทิศทาง
ที่ชัดเจนในกรณีนี้ อายุของมารดาอย่างต่อเนื่องและมักจะ
เบ้ในขณะที่ความเท่าเทียมกันเป็นลำดับและเบ้ ด้วยเกล็ดเหล่านี้
วัดข้อมูลความสัมพันธ์ที่เหมาะสม
ค่าสัมประสิทธิ์ที่จะใช้เป็นค่าสัมประสิทธิ์ Spearman's.The สเปียร์แมน
เป็น 0.84 สำหรับข้อมูลนี้ ในกรณีนี้อายุของมารดาขอ
มีความสัมพันธ์กับความเท่าเทียมกันคือมีความสัมพันธ์ทางบวกสูง
(ตารางที่ 1) ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สันเหล่านี้
ตัวแปรคือ 0.80 ในกรณีนี้ทั้งสองค่าสัมประสิทธิ์สหสัมพันธ์
มีความคล้ายคลึงกันและนำไปสู่ข้อสรุปเดียวกัน แต่ใน
บางกรณีทั้งสองอาจจะแตกต่างกันมากนำไปสู่การที่แตกต่างกัน
ข้อสรุปสถิติ ยกตัวอย่างเช่นในกลุ่มเดียวกันของ
ผู้หญิงความสัมพันธ์สเปียร์แมนระหว่างฮีโมโกล
ระดับและความเท่าเทียมกันคือ 0.3 ในขณะที่ความสัมพันธ์ของเพียร์สันเป็น
0.2 ในกรณีนี้ทั้งสองค่าสัมประสิทธิ์อาจนำไปสู่การที่แตกต่างกัน
อนุมานทางสถิติ ยกตัวอย่างเช่นค่าสัมประสิทธิ์สหสัมพันธ์
ของ 0.2 จะถือเป็นความสัมพันธ์เล็กน้อยในขณะที่
ค่าสัมประสิทธิ์สหสัมพันธ์ 0.3 ถือเป็นบวกในระดับต่ำ
สัมพันธ์ (ตารางที่ 1) ดังนั้นมันจะเป็นสิ่งสำคัญที่จะใช้
ที่เหมาะสมมากที่สุดคนหนึ่ง ค่าสัมประสิทธิ์ที่เหมาะสมที่สุดใน
กรณีนี้สเปียร์แมนเพราะความเท่าเทียมกันเอียง.
ในชุดของ 251 ผู้หญิงที่เป็นผู้ใหญ่อีกอายุและน้ำหนัก
ก็เปลี่ยนเข้าสู่ระบบ เหตุผลสำหรับการเปลี่ยนที่จะ
ทำให้ตัวแปรที่กระจายตามปกติเพื่อให้เราสามารถใช้
ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน แล้วเราวิเคราะห์ข้อมูล
สำหรับความสัมพันธ์เชิงเส้นตรงระหว่างล็อกอายุ (agelog) และเข้าสู่ระบบ
ของน้ำหนัก (WLOG) ตัวแปรทั้งสองมีประมาณปกติ
กระจายโยล็อก ในกรณีนี้ความสัมพันธ์เพียร์สัน
ค่าสัมประสิทธิ์ความเหมาะสมมากขึ้น ค่าสัมประสิทธิ์เป็น 0.184.This
แสดงให้เห็นว่ามีความสัมพันธ์เล็กน้อยระหว่างอายุ
และน้ำหนักโยล็อก (ตารางที่ 1)

ผลลัพธ์ (ไทย) 3:

ประโยชน์ของค่าสหสัมพันธ์โปรแกรมอย่างง่ายของเพียร์สัน สามารถยกตัวอย่างการใช้ข้อมูลจากกลุ่มตัวอย่างผู้หญิง 780ฝากครรภ์ครั้งแรก ( ANC ) เข้าชม เราสามารถคาดหวังในเชิงบวกในความสัมพันธ์เชิงเส้นระหว่างมารดาอายุปี และความเท่าเทียมกันเพราะความเท่ไม่ลดลงตามอายุ แต่เราไม่สามารถทำนายความแข็งแรงของความสัมพันธ์นี้ งานเป็นหนึ่งของค่าความแข็งแรงของสมาคม ว่าคือเราสนใจในความแข็งแรงของความสัมพันธ์ระหว่างสองตัวแปรมากกว่าทิศทางเนื่องจากทิศทางคือชัดเจนในคดีนี้ มารดาอายุอย่างต่อเนื่องและมักจะและในขณะที่ความเท่าเทียมกันเป็นเบ้เบ้ . . ด้วยระดับนี้การวัดสำหรับข้อมูลความสัมพันธ์ที่เหมาะสมสัมประสิทธิ์การใช้สัมประสิทธิ์ Spearman " s.the คนเป็นข้อมูลสำหรับข้อมูลนี้ ในกรณีนี้ มารดาอายุขอความสัมพันธ์กับความเท่าเทียมกัน คือ มีความสัมพันธ์ทางบวกสูง( table1 ) และสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน เหล่านี้ตัวแปรคือ 0.80 . ในกรณีนี้ทั้งสองค่าสัมประสิทธิ์สหสัมพันธ์จะคล้ายกัน และนำไปสู่ข้อสรุปเดียวกัน อย่างไรก็ตามในบางกรณีทั้งสองอาจจะแตกต่างกันมากทำให้แตกต่างกันสรุปสถิติ ตัวอย่างเช่น ในกลุ่มของความสัมพันธ์ระหว่างฮีโมโกลบินของผู้หญิงระดับ และ ความเท่าเทียมกันคือ 0.3 ขณะที่ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน คือ0.2 ในกรณีนี้ทั้งสองแบบอาจแตกต่างกันการอนุมานทางสถิติ ตัวอย่างเช่น ความสัมพันธ์0.2 ถือว่ามีความสัมพันธ์เล็กน้อยขณะที่สัมประสิทธิ์สหสัมพันธ์ 0.3 ถือว่าต่ำสุดเป็นบวกความสัมพันธ์ ( ตารางที่ 1 ) ดังนั้นมันจะเป็นสิ่งสำคัญที่จะใช้ที่เหมาะสมที่สุด ที่เหมาะสมที่สุด )กรณีนี้เป็นเพราะความเท่คนบิดเบี้ยวไปอีกข้อมูล 251 ผู้ใหญ่ผู้หญิง อายุ และน้ำหนักมีเข้าสู่ระบบเปลี่ยน เหตุผลที่เปลี่ยนคือให้ตัวแปรการแจกแจงปกติ เพื่อที่เราจะสามารถใช้ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน แล้วเราได้วิเคราะห์ข้อมูลสำหรับความสัมพันธ์เชิงเส้นระหว่างล็อกอายุ ( agelog ) และเข้าสู่ระบบน้ำหนัก ( wlog ) ตัวแปรทั้งสองเป็นปกติประมาณกระจายอยู่บนท่อนซุงขนาด ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน ในคดีนี้ค่าสัมประสิทธิ์จะเหมาะกว่า เป็น 0.184.this ค่าสัมประสิทธิ์แสดงให้เห็นว่ามีความสัมพันธ์ระหว่างอายุเล็กน้อยและน้ำหนักใน log scale ( ตารางที่ 1 )