Types of RelationshipsA relationshi

Types of Relationships
A relationship refers to the correspondence between two variables. When we talk about types of relationships, we can mean that in at least two ways: the nature of the relationship or the pattern of it.

The Nature of a Relationship

While all relationships tell about the correspondence between two variables, there is a special type of relationship that holds that the two variables are not only in correspondence, but that one causes the other. This is the key distinction between a simple correlational relationship and a causal relationship. A correlational relationship simply says that two things perform in a synchronized manner. For instance, there has often been talk of a relationship between ability in math and proficiency in music. In general people who are good in one may have a greater tendency to be good in the other; those who are poor in one may also tend to be poor in the other. If this relatioship is true, then we can say that the two variables are correlated. But knowing that two variables are correlated does not tell us whether one causes the other. We know, for instance, that there is a correlation between the number of roads built in Europe and the number of children born in the United States. Does that mean that if we want fewer children in the U.S., we should stop building so many roads in Europe? Or, does it mean that if we don't have enough roads in Europe, we should encourage U.S. citizens to have more babies? Of course not. (At least, I hope not). While there is a relationship between the number of roads built and the number of babies, we don't believe that the relationship is a causal one. This leads to consideration of what is often termed the third variable problem. In this example, it may be that there is a third variable that is causing both the building of roads and the birthrate, that is causing the correlation we observe. For instance, perhaps the general world economy is responsible for both. When the economy is good more roads are built in Europe and more children are born in the U.S. The key lesson here is that you have to be careful when you interpret correlations. If you observe a correlation between the number of hours students use the computer to study and their grade point averages (with high computer users getting higher grades), you cannot assume that the relationship is causal: that computer use improves grades. In this case, the third variable might be socioeconomic status -- richer students who have greater resources at their disposal tend to both use computers and do better in their grades. It's the resources that drives both use and grades, not computer use that causes the change in the grade point average.

Patterns of Relationships

We have several terms to describe the major different types of patterns one might find in a relationship. First, there is the case of no relationship at all. If you know the values on one variable, you don't know anything about the values on the other. For instance, I suspect that there is no relationship between the length of the lifeline on your hand and your grade point average. If I know your GPA, I don't have any idea how long your lifeline is.

Then, we have the positive relationship. In a positive relationship, high values on one variable are associated with high values on the other and low values on one are associated with low values on the other. In this example, we assume an idealized positive relationship between years of education and the salary one might expect to be making.

On the other hand a negative relationship implies that high values on one variable are associated with low values on the other. This is also sometimes termed an inverse relationship. Here, we show an idealized negative relationship between a measure of self esteem and a measure of paranoia in psychiatric patients.

These are the simplest types of relationships we might typically estimate in research. But the pattern of a relationship can be more complex than this. For instance, the figure on the left shows a relationship that changes over the range of both variables, a curvilinear relationship. In this example, the horizontal axis represents dosage of a drug for an illness and the vertical axis represents a severity of illness measure. As dosage rises, severity of illness goes down. But at some point, the patient begins to experience negative side effects associated with too high a dosage, and the severity of illness begins to increase again.

ผลลัพธ์ (ไทย) 1:

ชนิดของความสัมพันธ์
ความสัมพันธ์หมายถึงการติดต่อระหว่างสองตัวแปร เมื่อเราพูดถึงชนิดของความสัมพันธ์ เราสามารถหมายถึง การที่วิธีที่ 2: ธรรมชาติของความสัมพันธ์หรือรูปแบบของมัน

ธรรมชาติของความสัมพันธ์

ขณะบอกความสัมพันธ์ทั้งหมดเกี่ยวกับที่ติดต่อระหว่างสองตัวแปร มีความสัมพันธ์ที่มีตัวแปรสองไม่เฉพาะในการติดต่อ แต่ว่า หนึ่งในสาเหตุอื่นๆ ชนิดพิเศษ นี่คือความแตกต่างสำคัญระหว่างความสัมพันธ์ correlational เรียบง่ายและความสัมพันธ์เชิงสาเหตุ ความสัมพันธ์ correlational เพียงกล่าวว่า สองสิ่งที่ทำในลักษณะซิงโครไนส์ ตัวอย่าง แล้วมีมักจะพูดเรื่องความสัมพันธ์ระหว่างความสามารถในทางคณิตศาสตร์และความชำนาญในเพลง โดยทั่วไป คนดีที่หนึ่งอาจมีแนวโน้มมากขึ้นจะดีในอีก คนที่ไม่ดีในหนึ่งยังอาจมีแนวโน้มที่จะไม่ดีในอีก ถ้า relatioship นี้เป็นจริง แล้วเราสามารถพูดได้ว่า ตัวแปรทั้งสองมี correlated แต่รู้ว่า สองตัวแปรมี correlated บอกว่า หนึ่งในสาเหตุอื่น ๆ เรารู้ว่า เช่น ว่า มีความสัมพันธ์ระหว่างจำนวนถนนในยุโรปและจำนวนเด็กที่เกิดในสหรัฐอเมริกา ไม่ซึ่งหมายความ ว่า ถ้าเราต้องการให้เด็กน้อยในสหรัฐอเมริกา เราควรหยุดสร้างถนนจำนวนมากในยุโรป หรือ ไม่ได้หมายความ ว่า ถ้าเราไม่มีพอถนนในยุโรป เราควรส่งเสริมให้พลเมืองของสหรัฐอเมริกามีทารกเพิ่มเติม แน่นอนไม่ (น้อย ฉันหวังว่าไม่) ในขณะที่มีความสัมพันธ์ระหว่างจำนวนถนนและจำนวนทารก เราไม่เชื่อว่าความสัมพันธ์เชิงสาเหตุหนึ่ง นี้นำไปสู่การพิจารณาของอะไรมักจะเรียกว่าปัญหาตัวแปรที่สาม ในตัวอย่างนี้ อาจเป็นได้ว่า มีตัวแปรที่สามที่ทำให้เกิดการสร้างถนนและ birthrate ที่ทำให้เกิดความสัมพันธ์ที่เราสังเกต ตัวอย่าง ทีเศรษฐกิจทั่วโลกได้รับผิดชอบทั้ง เมื่อเศรษฐกิจดี สร้างถนนเพิ่มเติมในยุโรป และมากกว่าเด็กที่เกิดในสหรัฐอเมริกา บทเรียนสำคัญที่นี่ไม่ว่า คุณต้องระวังเมื่อคุณตีความสัมพันธ์ ถ้าคุณสังเกตเห็นความสัมพันธ์ระหว่างจำนวน ชั่วโมงนักเรียนใช้คอมพิวเตอร์เพื่อการศึกษาและค่าเฉลี่ยของจุดระดับ (มีผู้ใช้คอมพิวเตอร์สูงรับเกรดสูง) คุณไม่คิดว่าความสัมพันธ์เชิงสาเหตุ: ที่ใช้คอมพิวเตอร์ช่วยเพิ่มเกรด ในกรณีนี้ ตัวแปรที่สามอาจสถานะประชากร - นักเรียนยิ่งขึ้นที่มีทรัพยากรมากกว่าที่พวกเขามักจะ ใช้คอมพิวเตอร์ และทำดีในระดับของพวกเขา เป็นทรัพยากรที่ไดรฟ์ใช้ทั้งเกรด ไม่ใช้คอมพิวเตอร์ที่ทำให้เกิดการเปลี่ยนแปลงในคะแนนเฉลี่ย

รูปแบบความสัมพันธ์

เรามีหลายเงื่อนไขเพื่ออธิบายรูปแบบหนึ่งอาจพบในความสัมพันธ์ชนิดต่าง ๆ สำคัญ ครั้งแรก มีกรณีของความสัมพันธ์ไม่ทั้งหมด ถ้าคุณทราบค่าตัวแปรหนึ่ง คุณไม่รู้อะไรเกี่ยวกับค่าอื่น ๆ ตัวอย่าง ฉันสงสัยว่า มีไม่มีความสัมพันธ์ระหว่างความยาวของเส้นชีวิตในมือของคุณและของคะแนนเฉลี่ย ถ้าฉันรู้ GPA ของคุณ ไม่มีความคิดใด ๆ ระยะหมู่เกาะเส้นชีวิตของคุณ

แล้ว เรามีความสัมพันธ์เป็นบวก ในความสัมพันธ์เป็นบวก ค่าสูงตัวแปรหนึ่งจะ มีค่าสูงอีก และค่าต่ำสุดหนึ่งเกี่ยวข้องกับค่าต่ำสุดใน ในตัวอย่างนี้ เราสมมติว่าความสัมพันธ์บวก idealized ระหว่างปีการศึกษา และเงินเดือนหนึ่งอาจคาดว่าจะสามารถทำ

คง ความสัมพันธ์ติดลบหมายถึงว่า ค่าสูงตัวแปรหนึ่งจะสัมพันธ์กับค่าต่ำสุดในการ นี้นอกจากนี้บางครั้งเรียกว่าความสัมพันธ์ผกผันกัน ที่นี่ เราแสดงความสัมพันธ์เชิงลบ idealized ระหว่างการวัดการเห็นคุณค่าตนเองและวัดทโปในผู้ป่วยจิตเวช

เหล่านี้เป็นชนิดที่ง่ายที่สุดของความสัมพันธ์ที่เราอาจประเมินโดยทั่วไปในการวิจัย แต่รูปแบบของความสัมพันธ์สามารถจะซับซ้อนกว่านี้ ตัวอย่าง ตัวเลขทางด้านซ้ายแสดงความสัมพันธ์ที่เปลี่ยนแปลงช่วงของตัวแปรทั้งสอง ความสัมพันธ์ curvilinear ในตัวอย่างนี้ แกนนอนแทนปริมาณของยาสำหรับการเจ็บป่วย และแกนตั้งแสดงถึงความรุนแรงของการเจ็บป่วยที่วัด เป็นปริมาณเพิ่มขึ้น ความรุนแรงของการเจ็บป่วยไปลง แต่ในบางจุด ผู้ป่วยเริ่มประสบผลด้านลบที่เกี่ยวข้องกับปริมาณสูงเกินไป และความรุนแรงของการเจ็บป่วยเริ่มเพิ่มอีก

ผลลัพธ์ (ไทย) 2:

ชนิดของความสัมพันธ์
ความสัมพันธ์หมายถึงการติดต่อระหว่างสองตัวแปร เมื่อเราพูดคุยเกี่ยวกับประเภทของความสัมพันธ์ของเราก็หมายความว่าอย่างน้อยสองวิธีธรรมชาติของความสัมพันธ์หรือรูปแบบของมันธรรมชาติของความสัมพันธ์ในขณะที่ความสัมพันธ์ทั้งหมดบอกเกี่ยวกับการติดต่อระหว่างสองตัวแปรที่มีชนิดพิเศษ ของความสัมพันธ์ที่ถือได้ว่าทั้งสองตัวแปรที่ไม่เพียง แต่ในการติดต่อ แต่อย่างหนึ่งที่ทำให้คนอื่น ๆ นี่คือความแตกต่างที่สำคัญระหว่างความสัมพันธ์เชิงสหสัมพันธ์ที่ง่ายและมีความสัมพันธ์เชิงสาเหตุ ความสัมพันธ์เชิงสหสัมพันธ์ก็บอกว่าสองสิ่งที่ดำเนินการในลักษณะตรง ตัวอย่างเช่นมีได้รับมักจะพูดคุยเกี่ยวกับความสัมพันธ์ระหว่างความสามารถในวิชาคณิตศาสตร์และความสามารถในการฟังเพลง ในคนทั่วไปที่มีความดีในการอย่างใดอย่างหนึ่งอาจจะมีแนวโน้มมากขึ้นที่จะเป็นที่ดีในการอื่น ผู้ที่มีความยากจนในหนึ่งนอกจากนี้ยังอาจมีแนวโน้มที่จะไม่ดีในที่อื่น ถ้าความสัมพันธ์เชิงนี้เป็นความจริงแล้วเราสามารถพูดได้ว่าตัวแปรทั้งสองมีความสัมพันธ์ แต่รู้ว่าสองตัวแปรมีความสัมพันธ์ไม่ได้บอกเราว่าหนึ่งสาเหตุอื่น ๆ เรารู้ตัวอย่างเช่นที่มีความสัมพันธ์ระหว่างจำนวนของถนนที่สร้างขึ้นในยุโรปและจำนวนของเด็กที่เกิดในประเทศสหรัฐอเมริกา ไม่ว่าหมายถึงว่าถ้าเราต้องการให้ลูกน้อยในสหรัฐอเมริกาที่เราควรจะหยุดการสร้างถนนจำนวนมากในยุโรปหรือไม่ หรือมันไม่ได้หมายความว่าถ้าเราไม่ได้มีถนนเพียงพอในยุโรปเราควรส่งเสริมให้พลเมืองของสหรัฐอเมริกาที่จะมีลูกอีกหรือไม่ ไม่แน่นอน (อย่างน้อยผมหวังว่าไม่) ในขณะที่มีความสัมพันธ์ระหว่างจำนวนของถนนที่สร้างขึ้นและจำนวนของเด็กที่เราไม่เชื่อว่ามีความสัมพันธ์เป็นสาเหตุหนึ่ง นี้นำไปสู่การพิจารณาของสิ่งที่มักจะเรียกว่าปัญหาตัวแปรที่สาม ในตัวอย่างนี้ก็อาจเป็นได้ว่ามีตัวแปรที่สามที่เป็นสาเหตุของทั้งสองอาคารของถนนและประจำปีที่เป็นสาเหตุของความสัมพันธ์ที่เราสังเกต ตัวอย่างเช่นอาจจะเป็นเศรษฐกิจโลกทั่วไปเป็นผู้รับผิดชอบทั้ง เมื่อเศรษฐกิจเป็นสิ่งที่ดีมากขึ้นถนนที่ถูกสร้างขึ้นในยุโรปและเด็กมากขึ้นจะเกิดในสหรัฐอเมริกาบทเรียนสำคัญที่นี่คือการที่คุณจะต้องระมัดระวังเมื่อคุณตีความความสัมพันธ์ ถ้าคุณสังเกตความสัมพันธ์ระหว่างจำนวนชั่วโมงที่นักเรียนใช้คอมพิวเตอร์เพื่อการศึกษาและค่าเฉลี่ยเกรดจุดของพวกเขา (ที่มีผู้ใช้คอมพิวเตอร์ในระดับสูงที่ได้รับเกรดสูงกว่า) คุณจะไม่สามารถสรุปได้ว่าเป็นความสัมพันธ์เชิงสาเหตุ: ว่าการใช้คอมพิวเตอร์ช่วยเพิ่มเกรด ในกรณีนี้ตัวแปรที่สามอาจจะมีสถานะทางเศรษฐกิจและสังคม - นักเรียนยิ่งขึ้นที่มีทรัพยากรมากขึ้นในการกำจัดของพวกเขามีแนวโน้มที่จะใช้งานได้ทั้งเครื่องคอมพิวเตอร์และทำดีในวิชาของตน มันเป็นทรัพยากรที่ไดรฟ์ทั้งการใช้และผลการเรียนที่ไม่ใช้คอมพิวเตอร์ที่ทำให้เกิดการเปลี่ยนแปลงในจุดที่เกรดเฉลี่ยรูปแบบของความสัมพันธ์ที่เรามีข้อตกลงที่จะอธิบายหลายประเภทที่แตกต่างกันที่สำคัญของรูปแบบหนึ่งอาจพบในความสัมพันธ์ แรกมีกรณีที่ไม่มีความสัมพันธ์ในทุก ถ้าคุณรู้ว่าค่าตัวแปรหนึ่งที่คุณไม่ทราบอะไรเกี่ยวกับค่าอื่น ๆ ตัวอย่างเช่นฉันสงสัยว่ามีความสัมพันธ์ระหว่างความยาวของเส้นชีวิตในมือของคุณและเกรดเฉลี่ยของคุณ ถ้าฉันรู้ว่าเกรดเฉลี่ยของคุณผมไม่ได้มีความคิดใด ๆ ระยะเวลาที่เส้นชีวิตของคุณแล้วเรามีความสัมพันธ์เชิงบวก ในความสัมพันธ์ทางบวกค่าสูงในตัวแปรหนึ่งที่เกี่ยวข้องกับค่าสูงในค่าอื่น ๆ และต่ำอย่างใดอย่างหนึ่งที่เกี่ยวข้องกับค่าต่ำอื่น ๆ ในตัวอย่างนี้เราจะถือว่าความสัมพันธ์เชิงบวกที่เงียบสงบระหว่างปีของการศึกษาและเงินเดือนที่หนึ่งอาจคาดหวังที่จะทำในขณะที่ความสัมพันธ์เชิงลบหมายความว่าค่าสูงในตัวแปรหนึ่งที่เกี่ยวข้องกับค่าต่ำอื่น ๆ นี้เป็นบางครั้งเรียกว่าความสัมพันธ์ที่ผกผัน ที่นี่เราแสดงให้เห็นความสัมพันธ์เชิงลบที่เงียบสงบระหว่างตัวชี้วัดของความภาคภูมิใจในตัวเองและตัวชี้วัดของความหวาดระแวงในผู้ป่วยจิตเวชเหล่านี้เป็นชนิดที่ง่ายที่สุดของความสัมพันธ์ที่เรามักจะอาจประเมินในการวิจัย แต่รูปแบบของความสัมพันธ์จะมีความซับซ้อนมากขึ้นกว่านี้ ตัวอย่างเช่นรูปด้านซ้ายแสดงให้เห็นถึงความสัมพันธ์ที่เปลี่ยนแปลงในช่วงของตัวแปรทั้งสองมีความสัมพันธ์โค้ง ในตัวอย่างนี้แกนนอนแสดงถึงปริมาณของยาเสพติดสำหรับการเจ็บป่วยและแกนแนวตั้งแสดงให้เห็นถึงความรุนแรงของการวัดความเจ็บป่วย ในขณะที่ปริมาณเพิ่มขึ้นความรุนแรงของการเจ็บป่วยลงไป แต่ในบางจุดที่ผู้ป่วยจะเริ่มมีประสบการณ์ผลกระทบด้านลบที่เกี่ยวข้องกับปริมาณสูงเกินไปและความรุนแรงของการเจ็บป่วยเริ่มต้นที่จะเพิ่มขึ้นอีกครั้ง

ผลลัพธ์ (ไทย) 3:

ประเภทของความสัมพันธ์ : ความสัมพันธ์ หมายถึง การติดต่อระหว่างสองตัวแปร เมื่อเราพูดคุยเกี่ยวกับประเภทของความสัมพันธ์ เราก็หมายความว่าอย่างน้อยสองวิธี : ธรรมชาติของความสัมพันธ์หรือรูปแบบของมัน

ธรรมชาติของความสัมพันธ์

ในขณะที่ความสัมพันธ์ทั้งหมดบอกเกี่ยวกับการติดต่อระหว่างสองตัวแปรมีชนิดของความสัมพันธ์พิเศษ ที่ถือว่าทั้งสองตัวแปรที่ไม่เพียง แต่ในจดหมาย แต่หนึ่งในสาเหตุอื่น ๆ นี่คือความแตกต่างที่สำคัญระหว่างความสัมพันธ์สหสัมพันธ์อย่างง่าย และความสัมพันธ์เชิงสาเหตุ ความสัมพันธ์สัมพันธ์เพียงแค่กล่าวว่าสองสิ่งที่ดำเนินการในลักษณะที่ตรงกัน . สำหรับอินสแตนซ์มีมักถูกพูดถึงความสัมพันธ์ระหว่างความสามารถในทางคณิตศาสตร์ และความสามารถทางดนตรี ในคนทั่วไปที่ดีในหนึ่งอาจมีแนวโน้มมากขึ้นที่จะทำดีในอื่น ๆ ผู้ที่ยากจนในหนึ่งอาจมีแนวโน้มที่จะยากจนในอื่น ๆ ถ้า relatioship นี้เป็นจริงแล้วเราสามารถพูดได้ว่าตัวแปรมีความสัมพันธ์กันแต่ทราบว่าตัวแปรมีความสัมพันธ์กัน ไม่ ได้ บอก เรา ว่า หนึ่งในสาเหตุอื่น ๆ เรารู้ เช่นว่ามีความสัมพันธ์ระหว่างจำนวนของถนนที่สร้างขึ้นในยุโรป และตัวเลขของเด็กที่เกิดในสหรัฐอเมริกา หมายความว่าถ้าเราต้องการให้ลูกน้อยลงในสหรัฐอเมริกา เราควรจะหยุดการสร้างมาก ถนนในยุโรป หรือหมายความว่าถ้าเราไม่มีถนนมากพอ ในยุโรป เราควรจะส่งเสริมให้พลเมืองสหรัฐที่จะมีลูกอีกเหรอ ไม่ใช่แน่นอน ( อย่างน้อยผมหวังว่าไม่ ) ในขณะที่มีความสัมพันธ์ระหว่างจำนวนของถนนที่สร้างขึ้นและจำนวนของทารก เราไม่เชื่อว่า ความสัมพันธ์ เป็น สาเหตุ หนึ่ง นี้จะนำไปสู่การพิจารณาของสิ่งที่มักจะเรียกว่าปัญหาตัวแปรที่สาม ในตัวอย่างนี้อาจเป็นเพราะมีตัวแปรที่สามที่ทำให้ทั้งตึก ถนน และอัตราการเกิดของประชากร ที่ทำให้ความสัมพันธ์เราสังเกต ตัวอย่าง บางทีโลกทั่วไปเศรษฐกิจรับผิดชอบทั้ง เมื่อเศรษฐกิจดี ถนนที่ถูกสร้างขึ้นในยุโรป และมีเด็กเกิดในสหรัฐฯ ที่สำคัญบทเรียนที่นี่คือที่ที่คุณจะต้องระมัดระวังเมื่อคุณตีความ สหสัมพันธ์ถ้าคุณสังเกตความสัมพันธ์ระหว่างจำนวนชั่วโมงที่นักเรียนใช้คอมพิวเตอร์เพื่อการศึกษาและเกรดเฉลี่ย ( สูงผู้ใช้คอมพิวเตอร์ได้รับคะแนนสูงกว่า ) , คุณไม่สามารถสันนิษฐานได้ว่า ความสัมพันธ์เชิงสาเหตุ : ที่ใช้คอมพิวเตอร์ช่วยเพิ่มเกรด ในกรณีนี้ตัวแปรที่สามอาจจะมีสถานภาพทางเศรษฐกิจและสังคม -- นักศึกษารวยที่มีมากขึ้นในการกำจัดของพวกเขามีแนวโน้มที่จะใช้ทั้งคอมพิวเตอร์และดีขึ้นในเกรดของพวกเขา มันเป็นทรัพยากรที่ใช้ทั้งวิชาคอมพิวเตอร์ไม่ใช้ที่ทำให้เกิดการเปลี่ยนแปลงในเกรดเฉลี่ย



รูปแบบของความสัมพันธ์เรามีเงื่อนไขหลายอธิบายหลักชนิดที่แตกต่างกันของรูปแบบหนึ่งอาจพบในความสัมพันธ์ อย่างแรก มันเป็นกรณีที่ไม่มีความสัมพันธ์เลย ถ้าคุณรู้ค่าในตัวแปรเดียว คุณไม่รู้อะไรเกี่ยวกับค่าๆ ตัวอย่างเช่น ผมสงสัยว่า ไม่มีความสัมพันธ์กันระหว่างความยาวของเส้นในมือของคุณและของคุณเกรดเฉลี่ยถ้าผมรู้เกรดเฉลี่ยของคุณ ผมไม่ได้มีความคิดใด ๆ เส้นชีวิตยาวแค่ไหน

แล้วเราก็มีความสัมพันธ์ทางบวก ในความสัมพันธ์ที่เป็นบวก ค่าสูงในตัวแปรที่เกี่ยวข้องกับค่านิยมสูง ๆต่ำ ค่าหนึ่งที่เกี่ยวข้องกับ ค่าต่ำๆ ในตัวอย่างนี้เราถือว่าเป็นอุดมคติความสัมพันธ์ทางบวกระหว่างปีของการศึกษาและเงินเดือนหนึ่งอาจคาดหวังจะให้

บนมืออื่น ๆความสัมพันธ์เชิงลบบางค่าสูงในตัวแปรหนึ่งที่เกี่ยวข้องกับ ค่าต่ำๆ นี่คือบางครั้งเรียกว่าความสัมพันธ์แบบผกผัน ที่นี่เราแสดงอุดมคติลบความสัมพันธ์ระหว่างวัดการเห็นคุณค่าในตนเองและการวัดของความหวาดระแวงในผู้ป่วยจิตเวช

นี่เป็นง่ายที่สุดในประเภทของความสัมพันธ์เราอาจจะประเมินงานวิจัย แต่รูปแบบของความสัมพันธ์จะยิ่งซับซ้อนกว่านั้น ตัวอย่าง รูปบนด้านซ้ายแสดงให้เห็นถึงความสัมพันธ์ที่เปลี่ยนแปลงไปตามช่วงของตัวแปรมีลักษณะเป็นเส้นโค้งความสัมพันธ์ ในตัวอย่างนี้ แกนแนวนอน หมายถึง ปริมาณของยาสำหรับการเจ็บป่วย และแกนแนวตั้งแสดงถึงความรุนแรงของการเจ็บป่วย วัด เป็นปริมาณสูงขึ้น ความรุนแรงของโรคจะลดลง แต่ในบางจุดที่คนไข้เริ่มประสบผลข้างเคียงที่เกี่ยวข้องกับสูงเกินไปปริมาณและความรุนแรงของโรคจะเพิ่มอีก