So berechnen sie die punkt-biserial-korrelation in r

Die punktbiserielle Korrelation wird verwendet, um die Beziehung zwischen einer binären Variablen x und einer kontinuierlichen Variablen y zu messen.

Ähnlich wie der Pearson-Korrelationskoeffizient nimmt der punktbiserielle Korrelationskoeffizient einen Wert zwischen -1 und 1 an, wobei:

• -1 zeigt eine vollkommen negative Korrelation zwischen zwei Variablen an
• 0 gibt an, dass zwischen zwei Variablen keine Korrelation besteht
• 1 zeigt eine vollkommen positive Korrelation zwischen zwei Variablen an

In diesem Tutorial wird erläutert, wie die punktbiserielle Korrelation zwischen zwei Variablen in R berechnet wird.

Beispiel: Punktbiseriale Korrelation in R

Angenommen, wir haben eine binäre Variable x und eine kontinuierliche Variable y:

 x <- c(0, 1, 1, 0, 0, 0, 1, 0, 1, 1, 0)

y <- c(12, 14, 17, 17, 11, 22, 23, 11, 19, 8, 12)

Wir können die integrierte R-Funktion cor.test() verwenden, um die punktbiserielle Korrelation zwischen den beiden Variablen zu berechnen:

 #calculate point-biserial correlation
cor.test(x, y)

	Pearson's product-moment correlation

data: x and y
t = 0.67064, df = 9, p-value = 0.5193

alternative hypothesis: true correlation is not equal to 0

95 percent confidence interval:
 -0.4391885 0.7233704

sample estimates:
      horn 
0.2181635 

Aus dem Ergebnis können wir Folgendes beobachten:

• Der punktbiserielle Korrelationskoeffizient beträgt 0,218
• Der entsprechende p-Wert beträgt 0,5193

Da der Korrelationskoeffizient positiv ist, bedeutet dies, dass die Variable y tendenziell höhere Werte annimmt, wenn die Variable x den Wert „1“ annimmt, als wenn die Variable x den Wert „0“ annimmt.

Da der p-Wert dieser Korrelation jedoch nicht kleiner als 0,05 ist, ist diese Korrelation statistisch nicht signifikant.

Beachten Sie, dass das Ergebnis auch ein 95 %-Konfidenzintervall für den wahren Korrelationskoeffizienten liefert, der wie folgt aussieht:

95 % KI = (-0,439, 0,723)

Da dieses Konfidenzintervall Null enthält, ist dies ein weiterer Beweis dafür, dass der Korrelationskoeffizient statistisch nicht signifikant ist.

Hinweis : Die vollständige Dokumentation für die Funktion cor.test() finden Sie hier .

Zusätzliche Ressourcen

Die folgenden Tutorials erklären, wie man andere Korrelationskoeffizienten in R berechnet:

So berechnen Sie die partielle Korrelation in R
So berechnen Sie die gleitende Korrelation in R
So berechnen Sie die Spearman-Rangkorrelation in R
So berechnen Sie die polychorische Korrelation in R