R တွင် တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကို တွက်ချက်နည်း

စာရင်းဇယားများတွင်၊ ကျွန်ုပ်တို့သည် ကိန်းရှင်နှစ်ခုကြားရှိ မျဉ်းကြောင်းဆက်နွယ်မှုကိုတိုင်းတာရန် Pearson ဆက်စပ်ကိန်းကို မကြာခဏအသုံးပြုသည်။

သို့သော်၊ တစ်ခါတစ်ရံတွင် ကျွန်ုပ်တို့သည် တတိယကိန်းရှင်တစ်ခုကို ထိန်းချုပ်နေစဉ်တွင် ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုကို နားလည်လိုပါသည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် အတန်းထဲတွင် ကျောင်းသား၏ လက်ရှိအတန်းကို ထိန်းချုပ်နေစဉ် ကျောင်းသားတစ်ဦး၏ စာကျက်ချိန်နာရီနှင့် နောက်ဆုံးစာမေးပွဲအဆင့်ကြား ဆက်စပ်မှုကို တိုင်းတာလိုသည်ဆိုပါစို့။

ဤကိစ္စတွင်၊ လေ့လာခဲ့သည့် နာရီနှင့် နောက်ဆုံးစာမေးပွဲအဆင့်ကြား ဆက်နွယ်မှုကို တိုင်းတာရန် တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်သည်။

ဤသင်ခန်းစာတွင် R တွင် တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကို တွက်ချက်နည်းကို ရှင်းပြထားသည်။

ဥပမာ- R တွင် တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှု

ကျောင်းသား 10 ယောက်အတွက် လက်ရှိ အတန်း၊ စုစုပေါင်း နာရီနှင့် နောက်ဆုံး စာမေးပွဲ အဆင့်ကို ပြသသည့် အောက်ပါ ဒေတာဘောင် ရှိသည် ဆိုပါစို့။

 #create data frame
df <- data. frame (currentGrade = c(82, 88, 75, 74, 93, 97, 83, 90, 90, 80),
                 hours = c(4, 3, 6, 5, 4, 5, 8, 7, 4, 6),
                 examScore = c(88, 85, 76, 70, 92, 94, 89, 85, 90, 93))

#view data frame
df

   currentGrade hours examScore
1 82 4 88
2 88 3 85
3 75 6 76
4 74 5 70
5 93 4 92
6 97 5 94
7 83 8 89
8 90 7 85
9 90 4 90
10 80 6 93

dataframe အတွင်းရှိ variable များ၏ pairwise ပေါင်းစပ်မှုတစ်ခုစီအကြား တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကို တွက်ချက်ရန်၊ pcor() function ကို ppcor library မှ အသုံးပြုနိုင်ပါသည်။

 library (ppcor)

#calculate partial correlations
pcor(df)

$estimate
             currentGrade hours examScore
currentGrade 1.0000000 -0.3112341 0.7355673
hours -0.3112341 1.0000000 0.1906258
examScore 0.7355673 0.1906258 1.0000000

$p.value
             currentGrade hours examScore
currentGrade 0.00000000 0.4149353 0.02389896
hours 0.41493532 0.0000000 0.62322848
examScore 0.02389896 0.6232285 0.00000000

$statistic
             currentGrade hours examScore
currentGrade 0.0000000 -0.8664833 2.8727185
hours -0.8664833 0.0000000 0.5137696
examScore 2.8727185 0.5137696 0.0000000

$n
[1] 10

$gp
[1] 1

$method
[1] "pearson"

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

စာသင်ချိန်နှင့် နောက်ဆုံးစာမေးပွဲအဆင့်ကြား တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှု-

သင်ကြားသည့်နာရီနှင့် နောက်ဆုံးစာမေးပွဲအဆင့်ကြား တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုသည် 0.191 ဖြစ်ပြီး၊ ၎င်းသည် အပြုသဘောဆောင်သောဆက်စပ်ဆက်နွယ်မှုကို ကိုယ်စားပြုသည်။ စာသင်ချိန် အရေအတွက်များလာသည်နှင့်အမျှ စာမေးပွဲရမှတ်များလည်း တိုးလာတတ်သည်၊ လက်ရှိ အတန်းသည် မမြဲပါ။

ဤတစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုအတွက် p-တန်ဖိုးသည် 0.623 ဖြစ်ပြီး α = 0.05 တွင် စာရင်းအင်းအရ သိသာထင်ရှားခြင်းမရှိပါ။

လက်ရှိအဆင့်နှင့် နောက်ဆုံးစာမေးပွဲအဆင့်ကြား တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှု-

လက်ရှိအဆင့်နှင့် နောက်ဆုံးစာမေးပွဲအဆင့်ကြား တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုမှာ 0.736 ဖြစ်ပြီး၊ ခိုင်မာသော အပြုသဘောဆက်စပ်မှုကို ကိုယ်စားပြုသည်။ လက်ရှိ အတန်းများ တိုးလာသည်နှင့်အမျှ စာမေးပွဲရမှတ်များလည်း တိုးလာတတ်သည်၊ သင်ယူချိန်နာရီ အရေအတွက်သည် စဉ်ဆက်မပြတ် ရှိနေသည်ဟု ယူဆပါသည်။

ဤတစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုအတွက် p-တန်ဖိုးသည် 0.024 ဖြစ်ပြီး ကိန်းဂဏန်းအရ α = 0.05 တွင် သိသာထင်ရှားပါသည်။

လက်ရှိ အတန်းနှင့် သင်ကြားချိန်ကြား တစ်စိတ်တစ်ပိုင်း ဆက်စပ်မှု-

လက်ရှိအဆင့်၊ သင်ကြားသည့်နာရီနှင့် နောက်ဆုံးစာမေးပွဲအဆင့်ကြား တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုသည် -0.311 ဖြစ်ပြီး အနည်းငယ်အနုတ်လက္ခဏာဆက်စပ်မှုကို ကိုယ်စားပြုသည်။ လက်ရှိ အတန်းများ တိုးလာသည်နှင့်အမျှ နောက်ဆုံး စာမေးပွဲ အဆင့်သည် ကျဆင်းသွားတတ်သည်၊ နောက်ဆုံး စာမေးပွဲ အဆင့်သည် မမြဲပါ။

ဤတစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုအတွက် p-တန်ဖိုး သည် 0.415 ဖြစ်ပြီး α = 0.05 တွင် စာရင်းအင်းအရ သိသာထင်ရှားခြင်းမရှိပါ။

တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကို တွက်ချက်ရန်အသုံးပြုသည့်နည်းလမ်းမှာ “ Pearson” ဖြစ်သည်ကို ရလဒ်က ပြောပြသည်။

pcor() လုပ်ဆောင်ချက်တွင်၊ ဆက်စပ်မှုများကို တွက်ချက်ရန် အခြားနည်းလမ်းများအဖြစ် “ kendall” သို့မဟုတ် “ pearson” ကိုလည်း သတ်မှတ်နိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

R တွင် Spearman အဆင့်ဆက်စပ်မှုကို တွက်ချက်နည်း
R တွင် cross correlation ကို တွက်နည်း
R တွင် လျှောတိုက်ဆက်စပ်မှုကို တွက်ချက်နည်း
R တွင် point-biserial ဆက်စပ်မှုကို တွက်နည်း