Ero korrelaation ja kovarianssin välillä
Jos haluat ilmaista suhteita muuttujien tai muuttujien välillä, voit käyttää kovarianssia tai korrelaatiota. Molemmat eivät aina ole sopivia, koska niissä on merkittäviä eroja. Edellinen koko on standarditon, joten et voi verrata eri laskelmien tuloksia.
Muuttujien väliset suhteet voidaan ilmaista kovarianssilla. Mutta miten nämä toteutuvat, riippuu myös siitä, miten arvot on mitattu. Joten jos vertaat eri tavalla tallennettujen tai eri arvoalueilla olevien muuttujien välisiä variaatioita, tarvitset korrelaatioita.
Mikä on kovariaatio?
Kovarianssit osoittavat kahden muuttujan (esim. B. ihmisten pituuden ja painon välillä). Yhden mittayksikön alhaiset arvot voidaan yhdistää myös toisen yksikön alhaisiin arvoihin ja jos arvot kasvavat, ne tekevät tämän samassa määrin molemmille muuttujille.
- Esimerkiksi pitemmät ihmiset painavat yleensä enemmän. Tässä tapauksessa kyseessä on positiivinen kovariansi.
- Toisaalta on negatiivinen suhde, kun yhden arvon korkeisiin arvoihin liittyy toisen arvon alhaiset arvot. Näin on esimerkiksi alueen poliisiasemien lukumäärän ja rikosten esiintyvyyden suhteen (enemmän poliisin läsnäoloa tarkoittaa vähemmän rikoksia).
- Mutta joskus yhteyttä ei ole ollenkaan. Tämä pätee silloin, kun yhden alueen erot eivät vaikuta muihin mittausmuuttujiin ollenkaan. Kuitenkin, jotta voidaan määrittää täsmälleen kuinka suuri suhde on, korrelaatio on määritettävä. Tämä edustaa normalisointia siten, että hyvin erilaisten muuttujien korrelaatioita voidaan verrata keskenään.
Joskus olet kiinnostunut ominaisuuksien välisistä suhteista, koska tällä tavalla ...
Ero korrelaatioon
- Korrelaatio ilmaisee myös suhteen, mutta tämä mitta on standardoitu toisin kuin kovarianssissa. Korrelaatio voi olettaa vain arvoja välillä -1 (negatiivinen suhde) ja 1 (positiivinen suhde).
- Nolla -arvot osoittavat, että yhden muuttujan eroilla on vain vähän tai ei lainkaan vaikutusta toiseen; tässä ei ole merkittävää yhteyttä eikä siksi myöskään kovarianssia.
- Lisäksi korrelaation tärkeys testataan. Tämä tarkoittaa sitä, että lasketaan, onko muuttujien ominaisuuksien välillä todellisuudessa korrelaatio, kun otetaan huomioon mitattujen arvojen lukumäärä.
