ความแตกต่างระหว่างสหสัมพันธ์และความแปรปรวนร่วม
หากคุณต้องการแสดงความสัมพันธ์ระหว่างตัวแปรหรือเมตริก คุณสามารถใช้ความแปรปรวนร่วมหรือสหสัมพันธ์ ทั้งสองไม่เหมาะสมเสมอไปเพราะมีความแตกต่างที่สำคัญ ขนาดเดิมไม่ได้มาตรฐาน ดังนั้นคุณจึงไม่สามารถเปรียบเทียบผลลัพธ์ของการคำนวณที่ต่างกันได้
ความสัมพันธ์ระหว่างตัวแปรสามารถแสดงด้วยความแปรปรวนร่วม แต่ผลลัพธ์เหล่านี้จะขึ้นอยู่กับวิธีการวัดค่าด้วย ดังนั้น หากคุณเปรียบเทียบความแปรปรวนระหว่างตัวแปรที่บันทึกต่างกันหรือมีช่วงค่าต่างกัน คุณจำเป็นต้องมีสหสัมพันธ์
ความแปรปรวนร่วมคืออะไร?
ความแปรปรวนร่วมบ่งชี้ความสัมพันธ์ระหว่างสองตัวแปร (เช่น NS. ระหว่างส่วนสูงและน้ำหนักของคน) ค่าต่ำของหน่วยวัดหนึ่งสามารถเชื่อมโยงกับค่าต่ำของหน่วยอื่น ๆ และหากค่าเพิ่มขึ้นพวกเขาจะทำเช่นนี้ในระดับที่ใกล้เคียงกันสำหรับตัวแปรทั้งสอง
- ตัวอย่างเช่น คนที่สูงกว่ามักจะมีน้ำหนักมากกว่า ในกรณีนี้มีความแปรปรวนร่วมเป็นบวก
- ในทางกลับกัน มีความสัมพันธ์เชิงลบเมื่อค่าสูงของค่าหนึ่งจะมาพร้อมกับค่าต่ำของค่าอื่น ในกรณีนี้ เช่น จำนวนสถานีตำรวจในภูมิภาคและความถี่ในการก่ออาชญากรรม (การมีตำรวจมากขึ้นควรหมายถึงอาชญากรรมน้อยลง)
- แต่บางครั้งไม่มีการเชื่อมต่อเลย สิ่งนี้ใช้เมื่อความแตกต่างในพื้นที่หนึ่งไม่ส่งผลกระทบต่อตัวแปรการวัดอื่นเลย อย่างไรก็ตาม เพื่อระบุว่าความสัมพันธ์มีขนาดใหญ่เพียงใด จำเป็นต้องมีข้อกำหนดของความสัมพันธ์ นี่แสดงถึงการทำให้เป็นมาตรฐานเพื่อให้สามารถเปรียบเทียบความสัมพันธ์ของตัวแปรที่วัดได้ที่แตกต่างกันมาก
การโหลดตัวประกอบ - ข้อมูล
บางครั้งคุณสนใจความสัมพันธ์ระหว่างคุณลักษณะต่างๆ เพราะวิธีนี้ ...
ความแตกต่างของสหสัมพันธ์
- ความสัมพันธ์ยังแสดงถึงความสัมพันธ์ แต่การวัดนี้เป็นมาตรฐานในทางตรงกันข้ามกับความแปรปรวนร่วม ความสัมพันธ์สามารถสมมติค่าระหว่าง -1 (ความสัมพันธ์เชิงลบ) และ 1 (ความสัมพันธ์เชิงบวก) เท่านั้น
- ค่าที่ศูนย์บ่งชี้ว่าความแตกต่างในตัวแปรหนึ่งมีผลเพียงเล็กน้อยหรือไม่มีผลกับอีกตัวแปรหนึ่ง ที่นี่ไม่มีการเชื่อมต่อที่สำคัญและดังนั้นจึงไม่มีความแปรปรวนร่วมด้วย
- นอกจากนี้ ความสัมพันธ์ยังได้รับการทดสอบสำหรับความสำคัญ ซึ่งหมายความว่ามีการคำนวณว่ามีความสัมพันธ์ระหว่างลักษณะของตัวแปรตามจำนวนค่าที่วัดได้จริงหรือไม่
