So berechnen sie die polychorische korrelation in r

Mithilfe der polychorischen Korrelation wird die Korrelation zwischen Ordinalvariablen berechnet.

Denken Sie daran, dass Ordinalvariablen Variablen sind, deren mögliche Werte kategorisch sind und eine natürliche Reihenfolge haben.

Hier sind einige Beispiele für Variablen, die auf einer Ordinalskala gemessen werden:

• Zufriedenheit : Sehr unzufrieden, unzufrieden, neutral, zufrieden, sehr zufrieden
• Einkommensniveau : Geringes Einkommen, mittleres Einkommen, hohes Einkommen
• Stellenstatus : Einstiegsanalyst, Analyst I, Analyst II, Senior Analyst
• Schmerzniveau : Geringes Ausmaß, mittleres Ausmaß, hohes Ausmaß

Der Wert der polychorischen Korrelation variiert zwischen -1 und 1, wobei:

• -1 zeigt eine perfekte negative Korrelation an
• 0 bedeutet keine Korrelation
• 1 zeigt eine perfekte positive Korrelation an

Wir können die Funktion polychor(x, y) aus dem Paket polycor verwenden, um die polychorische Korrelation zwischen zwei Ordinalvariablen in R zu berechnen.

Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen können.

Beispiel 1: Berechnen Sie die polychorische Korrelation für Filmbewertungen

Angenommen, Sie möchten wissen, ob zwei verschiedene Filmbewertungsagenturen eine hohe Korrelation zwischen ihren Filmbewertungen aufweisen.

Wir bitten jede Agentur, 20 verschiedene Filme auf einer Skala von 1 bis 3 zu bewerten, wobei:

• 1 bedeutet „schlecht“
• 2 bedeutet „schlecht“
• 3 bedeutet „gut“

Wir können den folgenden Code in R verwenden, um die polychorische Korrelation zwischen den Bewertungen der beiden Agenturen zu berechnen:

 library (polycor)

#define movie ratings for each agency
agency1 <- c(1, 1, 2, 2, 3, 2, 2, 3, 2, 3, 3, 2, 1, 2, 2, 1, 1, 1, 2, 2)
agency2 <- c(1, 1, 2, 1, 3, 3, 3, 2, 2, 3, 3, 3, 2, 2, 2, 1, 2, 1, 3, 3)

#calculate polychoric correlation between ratings
polychor(agency1, agency2)

[1] 0.7828328

Die polychorische Korrelation beträgt 0,78 .

Dieser Wert ist ziemlich hoch, was darauf hindeutet, dass zwischen den Bewertungen der einzelnen Agenturen ein starker positiver Zusammenhang besteht.

Beispiel 2: Berechnen Sie die polychorische Korrelation für Restaurantbewertungen

Angenommen, Sie möchten wissen, ob bei zwei verschiedenen Restaurants in der Nachbarschaft eine Korrelation zwischen den Kundenbewertungen ihrer Restaurants besteht.

Wir befragen nach dem Zufallsprinzip 20 Kunden, die in den beiden Restaurants gegessen haben, und bitten sie, ihre Gesamtzufriedenheit auf einer Skala von 1 bis 5 zu bewerten, wobei:

• 1 bedeutet „sehr unzufrieden“
• 2 bedeutet „unzufrieden“
• 3 bedeutet „neutral“
• 4 bedeutet „zufrieden“
• 5 bedeutet „sehr zufrieden“

Wir können den folgenden Code in R verwenden, um die polychorische Korrelation zwischen den Bewertungen der beiden Restaurants zu berechnen:

 library (polycor)

#define ratings for each restaurant
restaurant1 <- c(1, 1, 2, 2, 2, 3, 3, 3, 2, 2, 3, 4, 4, 5, 5, 4, 3, 4, 5, 5)
restaurant2 <- c(4, 3, 3, 4, 3, 3, 4, 5, 4, 4, 4, 5, 5, 4, 2, 1, 1, 2, 1, 4)

#calculate polychoric correlation between ratings
polychor(restaurant1, restaurant2)

[1] -0.1322774

Die polychorische Korrelation beträgt -0,13 .

Dieser Wert liegt nahe bei Null, was darauf hindeutet, dass zwischen Restaurantbewertungen nur ein sehr geringer (wenn überhaupt) Zusammenhang besteht.

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Korrelationskoeffizienten in R berechnet werden:

So berechnen Sie die Spearman-Rangkorrelation in R
So berechnen Sie die Punkt-Biserial-Korrelation in R
So berechnen Sie die Kreuzkorrelation in R
So berechnen Sie die gleitende Korrelation in R
So berechnen Sie die partielle Korrelation in R