تحقیق همبستگی

همبستگی (Correlation) یک رابطه آماری بین دو متغیر تصادفی یا دو دسته داده است که لزوما به معنای ارتباط علی و معلولی آنها نیست. همبستگی روابط متغیرها را به صورت دوبه‌دو و جدا از تاثیر همزمان سایر متغیرها بررسی می‌کند.

عمده ترین روش‌های شناخته شده در این زمینه توسط پیرسون (برای داده‌های نرمال) و اسپیرمن (برای داده‌های غیرنرمال) ارائه شد. همبستگی برای بررسی نوع و میزان رابطه متغیرها استفاده می‌شود. در حالیکه رگرسیون پیش‌بینی روند آینده یک متغیر ملاک (وابسته) براساس یک مجموعه روابط بین متغیر ملاک با یک چند متغیر پیش‌بین (مستقل) است که در گذشته ثبت و ضبط شده است. بحث تفاوت رگرسیون و همبستگی را مطالعه کنید.

از سوی دیگر در دسته‌بندی انواع روش تحقیق در مدیریت و علوم اجتماعی نیز تحقیق همبستگی یکی از روش‌های بااهمیت است. این نوع تحقیق یکی از روش‌های تحقیق توصیفی (غیرآزمایشی) است که رابطه میان متغیرها را براساس هدف تحقیق بررسی می‌کند. می‌توان تحقیقات همبستگی را براساس هدف به سه دسته تقسیم کرد: همبستگی دو متغیری، تحلیل رگرسیون و تحلیل کوواریانس یا ماتریس همبستگی. در این زمینه در بخش اول قسمت تقسیم‌بندی روش‌های تحقیق براساس هدف توضیح لازم ارائه گردید.

در این آموزش از منظر آماری به موضوع همبستگی Correlation پرداخته شده است. ضریب همبستگی شاخصی است ریاضی که جهت و مقدار رابطه ی بین دو متغیر را توصیف می‌کند. ضریب همبستگی درمورد توزیع‌های دویا چند متغیره به کار می‌رود. اگر مقادیر دو متغیر شبیه هم تغییر کند یعنی با کم یا زیاد شدن یکی دیگری هم کم یا زیاد شود به گونه‌ای که بتوان رابطه آنها را به صورت یک معادله بیان کرد گوییم بین این دو متغیرهمبستگی وجود دارد.

انواع روش‌های همبستگی (Correlation)

  • ضریب همبستگی پیرسون
  • ضریب همبستگی اسپیرمن
  • ضریب همبستگی تاو کندال

بطور کلی:
۱- اگر هر دو متغیر با مقیاس رتبه‌ای باشند از شاخص تاوکندال استفاده می‌شود.
۲- اگر هر دو متغیر با مقیاس نسبتی و پیوسته باشند از ضریب همبستگی پیرسون استفاده می‌شود.
۳- اگر هر دو متغیر با مقیاس نسبتی و گسسته باشند از ضریب همبستگی اسپیرمن استفاده می‌شود.

تفسیر نتایج ضریب همبستگی برونداد SPSS

براساس یک قاعده کلی براساس مقادیر زیر می‌توان درباره میزان همبستگی متغیرها قضاوت کرد. بخاطر داشته باشید همین تفسیر برای مقادیر منفی نیز قابل استفاده است:

ضریب همبستگی تفسیر
۰.۰۰ – ۰.۱۹ خیلی اندک و قابل چشم پوشی
۰.۲۰ – ۰.۳۹ خیلی اندک تا اندک
۰.۴۰ – ۰.۶۹ متوسط
۰.۷۰ – ۰.۸۹ زیاد
۰.۹۰ – ۱.۰۰ خیلی زیاد

این مقادیر یک قانون ثابت نیستند و به صورت تجربی بدست آمده است. در برخی متون مانند زیر نیز ارائه شده است:

ضریب همبستگی تفسیر
۰.۰ – ۰.۱ خیلی اندک و قابل چشم پوشی
۰.۱ – ۰.۳ اندک
۰.۳ – ۰.۵ متوسط
۰.۵ – ۱.۰ زیاد

همچنین آماره .sig یا همان P-Value مربوط به همبستگی مشاهده شده باید کوچکتر از سطح خطا باشد. یک قانون کلی وجود دارد و آن اینکه اگر همبستگی بزرگتر از ۰.۳ باشد مقدار معناداری کوچکتر از سطح خطای ۰/۰۵ خواهد بود. تجربه آماری من نیز همیشه مطابق این قانون بوده است.

ضریب همبستگی پیرسون

در بررسی همبستگی Correlation دو متغیر اگر هردو متغیر مورد مطالعه در مقیاس نسبی و فاصله‌ای باشند از ضریب همبستگی پیرسون استفاده می‌شود. اگر ضریب همبستگی جامعه ρ و ضریب همبستگی نمونه‌ای به حجم n از جامعه r باشد، ممکن است r تصادفی و اتفاقی بدست آمده باشد. برای این منظور از آزمون معنی داری ضریب همبستگی استفاده می‌شود. در این آزمون بررسی می‌شود آیا دو متغیر تصادفی و مستقل هستند یا خیر. به عبارت دیگر آیا ضریب همبستگی جامعه صفر است یا خیر.

کارل پیرسون

کارل پیرسون

این ضریب میزان همبستگی بین دو متغیر فاصله‌ای یا نسبی را محاسبه کرده مقدار آن بین ۱+ و ۱- می‌باشد اگر مقدار بدست آمده مثبت باشد به معنی این است که تغییرات دو متغیر به طور هم جهت اتفاق می‌افتد یعنی با افزایش در هر متغیر، متغیر دیگر نیز افزایش می‌یابد و برعکس اگر مقدار r منفی شد یعنی اینکه دو متغیر در جهت عکس هم عمل می‌کنند یعنی با افزایش مقدار یک متغیر مقادیر متغیر دیگر کاهش می‌یابد و برعکس. اگر مقدار بدست آمده صفر شد نشان می‌دهد که هیچ رابطه‌ای بین دو متغیر وجود ندارد و اگر ۱+ شد همبستگی مثبت کامل و اگر ۱- شد همبستگی کامل و منفی است.

ضریب همبستگی اسپیرمن

هرگاه داده‌ها بصورت رتبه‌ای جمع آوری شده باشند یا به رتبه تبدیل شده باشند، می‌توان از همبستگی اسپیرمن rs که یکی از روشهای ناپارامتریک است، استفاده کرد. یکی از مزیت‌های ضریب همبستگی رتبه‌ای اسپیرمن به ضریب همبستگی پیرسون این است که اگر یک یا چند داده نسبت به سایر اعداد بسیار بزرگ باشد چون تنها رتبه آنها محسوب می‌شود، سایر داده‌ها تحت الشعاع قرار نمی‌گیرند.

چارلز اسپیرمن

چارلز اسپیرمن

برای محاسبه ضریب همبستگی رتبه‌ای داده‌های زوجی (Xi, Yi) ابتدا به تمام xها برحسب مقادیرشان رتبه می‌دهیم و همین کار را نیز برای yها انجام می‌دهیم، سپس تفاضل بین رتبه‌های هر زوج را که با نشان می‌دهیم حساب می‌کنیم. در مرحله بعد توان دوم d‌ها را محاسبه کرده، در نهایت با استفاده از این فرمول ضریب همبستگی رتبه‌ای را حساب می‌کنیم.

ضریب همبستگی کندال

موریس گریگور کندال به سال ۱۹۳۰ به مطالعه در مورد این ضریب پرداخت. دقت کنید ضریب هماهنگی کندال با ضریب همبستگی تاو کندال تفاوت دارد. کندال در ضریب همبستگی کندال دارای خواصی نظیر ضریب همبستگی ساده است. برای برآورد آن از آماره τ استفاده می‌شود.

موریس کندال

موریس کندال

ضریب هماهنگی کندال که با نماد w نشان داده می‌شود یک آزمون ناپارامتریک است و برای تعیین میزان هماهنگی میان نظرات استفاده می‌شود. ضریب کندال بین ۰ و ۱ متغیر است. اگر ضریب کندال صفر باشد یعنی عدم توافق کامل و اگر یک باشد یعنی توافق کامل وجود دارد. ویژگی‌های ضریب کندال یکی از مهمترین کاربردهای این آزمون را در مدیریت فراهم کرده است. برای پایان راندهای تکنیک دلفی می‌توان از ضریب هماهنگی کندال استفاده کرد.

ضریب همبستگی اتا (η)

ضریب اتا (η) برای بررسی همبستگی دو متغیری برای داده‌های پیوسته است، زمانی که رابطه خطی بین دو متغیر وجود ندارد. ضریب اتا را در مواقعی که یکی از متغیرها اسمی یا رتبه‌ای و دیگری فاصله‌ای/ نسبی باشد، نیز می‌توان به کار برد. برای انجام این آزمون در SPSS از مسیر زیر وارد شوید:

ضریب همبستگی اتا (η)

ضریب همبستگی اتا (η) در SPSS

این ضریب نامتقارن است، مشابه با ضریب همبستگی پیرسون تفسیر می‌شود، اما هرگز نمی‌تواند منفی باشد. یعنی دامنه تغییرات آن بین ۰ و ۱+ است. فرمول محاسبه ضریب همبستگی اتا به صورت زیر است:

η = √ (E1-E2)/E1

E1 خطای پیش‌بینی متغیر وابسته بدون آگاهی از متغیر مستقل

E2 خطای پیش‌بینی متغیر وابسته با آگاهی از متغیر مستقل

ضریب همبستگی اتا مبتنی بر خطای پیش‌ بینی است. یعنی مقدار این ضریب نشان می‌دهد با در نظر گرفتن متغیر اسمی یا رتبه‌ای، چه مقدار از خطای پیش‌ بینی متغیر فاصله‌ای مورد نظر کاسته می‌شود.

سایر ضرایب همبستگی (Correlation)

ضریب همبستگی چوپروف T: ضریب هبستگی چوپروف به منظور تعیین شدت وابستگی بین متغیرهای مورد مطالعه به کار گرفته می‌شود و مقدار آن همواره بین صفر ویک در نوسان می‌باشد زمانی از آن استفاده کرده که هر دو متغیر اسمی و یا یکی اسمی و دیگری ترتیبی باشد. اما نباید تعداد سطر و ستون با هم برابر باشند.یعنی در جدول توافقی ۲در۲ نمی توان از آن استفاده کرد. در چنین مواردی باید از ضریب فی استفاده کرد.

ضریب همبستگی فی: به منظور بررسی شدت همبستگی Correlation بین دو متغیر اسمی که جدول توافقی ۲ در ۲ می‌باشد مورد استفاده قرار می‌گیرد.خی دو سطح معنی دار بودن همبستگی بین دو متغیر را تعیین میکند اما ضریب فی شدت همبستگی آنها را نشان می‌دهد. مقدار آن همواره بین صفر و یک در نوسان است.

ضریب کرامر: این ضریب برای تغیین میزان شدت همبستگی بین دو متغیر اسمی مورد استفاده قرارمی گیرد و آن را با (V2) نشان می‌دهند و مقدار آن نیز همواره بین صفر ویک در نوسان است. هم جدول توافقی بیشتر از ۲ در ۲ وهم برای مستطیلی بکار می‌رود.

منبع: حبیبی، آرش؛ سرآبادانی، مونا. (۱۴۰۱). آموزش کاربردی SPSS. تهران: نارون.

4.7 3 رای ها
امتیازدهی به مقاله