Forskjellen mellom korrelasjon og Covariance
Hvis du vil uttrykke relasjoner mellom variabler eller beregninger, kan du bruke kovarians eller korrelasjon. Begge er ikke alltid egnet, fordi det er betydelige forskjeller. Den tidligere størrelsen er ustandardisert, så du kan ikke sammenligne resultatene av forskjellige beregninger.
Forhold mellom variabler kan uttrykkes med en kovarians. Men hvordan disse blir, avhenger også av hvordan verdiene ble målt. Så hvis du sammenligner avvikene mellom variabler som ble registrert annerledes eller har forskjellige verdiområder, trenger du korrelasjoner.
Hva er kovarians?
Kovariansen indikerer forholdet mellom to variabler (f.eks. B. mellom høyde og vekt på mennesker). Lave verdier for en måleenhet kan også være forbundet med lave verdier for den andre enheten, og hvis verdiene øker, gjør de dette i lignende grad for begge variablene.
- For eksempel veier høyere mennesker vanligvis mer. I dette tilfellet er det en positiv kovarians.
- På den annen side er det et negativt forhold når høye verdier av den ene verdien ledsages av lave verdier av den andre verdien. Dette er for eksempel tilfellet med antall politistasjoner i en region og hyppigheten av forbrytelser (mer politistatus bør bety færre forbrytelser).
- Men noen ganger er det ingen sammenheng i det hele tatt. Dette gjelder når forskjeller i ett område ikke påvirker de andre målevariablene i det hele tatt. Men for å spesifisere nøyaktig hvor stort et forhold er, er spesifikasjonen av korrelasjonen nødvendig. Dette representerer en normalisering slik at korrelasjoner mellom svært forskjellige målte variabler kan sammenlignes med hverandre.
Noen ganger er du interessert i forhold mellom egenskaper, fordi denne måten ...
Forskjellen på korrelasjonen
- Korrelasjonen uttrykker også et forhold, men dette målet er standardisert i motsetning til kovariansen. Korrelasjonen kan bare anta verdier mellom -1 (negativt forhold) og 1 (positivt forhold).
- Verdier på null indikerer at forskjeller i den ene variabelen har liten eller ingen effekt på den andre; her er det ingen signifikant sammenheng og derfor heller ingen kovarians.
- I tillegg testes korrelasjonen for signifikans. Dette betyr at det beregnes om det faktisk er en sammenheng mellom variabelenes karakteristika gitt antall målte verdier.
