Tuttavia, quando vogliamo calcolare la correlazione tra una variabile continua e una variabile categoriale<\/a> , possiamo utilizzare quella che viene chiamata correlazione biseriale puntuale<\/strong> .<\/span><\/p>\n La correlazione biseriale puntuale viene utilizzata per calcolare la correlazione tra una variabile categoriale binaria (una variabile che pu\u00f2 assumere solo due valori) e una variabile continua e ha le seguenti propriet\u00e0:<\/span><\/p>\n L’esempio seguente mostra come calcolare nella pratica una correlazione punto-biseriale.<\/span><\/span><\/p>\n Supponiamo che un professore universitario voglia determinare se esiste una correlazione tra genere e punteggio in un particolare esame di qualificazione.<\/span><\/p>\n Raccoglie i seguenti dati su 12 ragazzi e 12 ragazze della sua classe:<\/span> <\/p>\n Poich\u00e9 il genere<\/strong> \u00e8 una variabile categoriale e il punteggio<\/strong> \u00e8 una variabile continua, ha senso calcolare una correlazione punto-biseriale tra le due variabili.<\/span><\/p>\n Il docente pu\u00f2 utilizzare qualsiasi software statistico (tra cui Excel, R, Python, SPSS, Stata) per calcolare la correlazione punto-biseriale tra le due variabili.<\/span><\/p>\n Il codice seguente mostra come calcolare la correlazione punto-biseriale in R, utilizzando il valore 0 per rappresentare le femmine e 1 per rappresentare i maschi per la variabile genere:<\/span><\/p>\n Dal risultato, possiamo vedere che il coefficiente di correlazione punto-biseriale \u00e8 0,281<\/strong> e il corrispondente valore p \u00e8 0,1833<\/strong> .<\/span><\/p>\n Poich\u00e9 il coefficiente di correlazione \u00e8 positivo, ci\u00f2 ci dice che esiste una correlazione positiva tra genere e punteggio.<\/span><\/p>\n Poich\u00e9 abbiamo codificato i maschi come 1 e le femmine come 0, ci\u00f2 indica che i punteggi tendono ad essere pi\u00f9 alti per i maschi (cio\u00e8, i punteggi tendono ad aumentare man mano che il genere “aumenta”). \u00bb da 0 a 1).<\/span><\/p>\n Tuttavia, poich\u00e9 il valore p non \u00e8 inferiore a 0,05, questo coefficiente di correlazione non \u00e8 statisticamente significativo.<\/span><\/p>\n I seguenti tutorial spiegano come calcolare la correlazione biseriale dei punti utilizzando diversi software statistici:<\/span><\/p>\n Come calcolare la correlazione punto-biseriale in Excel<\/a> Quando vogliamo calcolare la correlazione tra due variabili continue, generalmente utilizziamo il coefficiente di correlazione di Pearson . Tuttavia, quando vogliamo calcolare la correlazione tra una variabile continua e una variabile categoriale , possiamo utilizzare quella che viene chiamata correlazione biseriale puntuale . La correlazione biseriale puntuale viene utilizzata per calcolare la correlazione tra una […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Esempio: Calcolo di una correlazione punto-biseriale<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlation1.jpg\")
<\/p>\n #define values for gender\n<\/span>gender <- c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)\n\n#define values for score\n<\/span>score <- c(77, 78, 79, 79, 82, 84, 85, 88, 89, 91, 91, 94,\n 84, 84, 84, 85, 85, 86, 86, 86, 89, 91, 94, 98)\n\n#calculate point-biserial correlation\n<\/span>horn. test<\/span> (gender, score)\n\n\tPearson's product-moment correlation\n\ndata: gender and score\nt = 1.3739, df = 22, p-value = 0.1833\nalternative hypothesis: true correlation is not equal to 0\n95 percent confidence interval:\n -0.1379386 0.6147832\nsample estimates:\n horn \n0.2810996<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come calcolare la correlazione punto-biseriale in R<\/a>
Come calcolare la correlazione punto-biseriale in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"