Come calcolare la correlazione punto-biseriale in r


La correlazione punto-biseriale viene utilizzata per misurare la relazione tra una variabile binaria, x, e una variabile continua, y.

Similmente al coefficiente di correlazione di Pearson , il coefficiente di correlazione punto-biseriale assume un valore compreso tra -1 e 1 dove:

  • -1 indica una correlazione perfettamente negativa tra due variabili
  • 0 indica alcuna correlazione tra due variabili
  • 1 indica una correlazione perfettamente positiva tra due variabili

Questo tutorial spiega come calcolare la correlazione punto-biseriale tra due variabili in R.

Esempio: correlazione punto-biseriale in R

Supponiamo di avere una variabile binaria, x, e una variabile continua, 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)

Possiamo usare la funzione R incorporata cor.test() per calcolare la correlazione punto-biseriale tra le due variabili:

 #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 

Dal risultato possiamo osservare quanto segue:

  • Il coefficiente di correlazione punto-biseriale è 0,218
  • Il valore p corrispondente è 0,5193

Poiché il coefficiente di correlazione è positivo, ciò indica che quando la variabile x assume il valore “1”, la variabile y tende ad assumere valori più elevati rispetto a quando la variabile x assume il valore “0”.

Tuttavia, poiché il valore p di questa correlazione non è inferiore a 0,05, questa correlazione non è statisticamente significativa.

Si noti che il risultato fornisce anche un intervallo di confidenza del 95% per il vero coefficiente di correlazione, che risulta essere:

IC al 95% = (-0,439, 0,723)

Poiché questo intervallo di confidenza contiene zero, ciò fornisce un’ulteriore prova del fatto che il coefficiente di correlazione non è statisticamente significativo.

Nota : puoi trovare la documentazione completa per la funzione cor.test() qui .

Risorse addizionali

I seguenti tutorial spiegano come calcolare altri coefficienti di correlazione in R:

Come calcolare la correlazione parziale in R
Come calcolare la correlazione scorrevole in R
Come calcolare la correlazione del rango di Spearman in R
Come calcolare la correlazione policorica in R

Aggiungi un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *