Stata ရှိ ဆက်နွယ်မှုများ- pearson၊ spearman နှင့် kendall

ကိန်းဂဏန်းစာရင်းဇယားများတွင် ဆက်စပ်ဆက်နွယ်မှုသည် ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှု၏ ခွန်အားနှင့် ဦးတည်ချက်ကို ရည်ညွှန်းသည်။ ဆက်စပ်ဆက်စပ်ကိန်း၏တန်ဖိုးသည် -1 မှ 1 အထိ၊ -1 သည် ပြီးပြည့်စုံသော အနုတ်လက္ခဏာဆက်ဆံရေးကို ညွှန်ပြသော၊ 0 နှင့် ဆက်စပ်မှုမရှိခြင်းကို ညွှန်ပြသော 1 နှင့် 1 တို့သည် ပြီးပြည့်စုံသော အပြုသဘောဆောင်သောဆက်ဆံရေးကို ညွှန်ပြသော 1 ဖြင့် ကွာဟနိုင်သည်။

ဆက်စပ်မှုကို တိုင်းတာရန် ဘုံနည်းလမ်းသုံးမျိုးရှိသည်။

Pearson Correlation- စဉ်ဆက်မပြတ်ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုကို တိုင်းတာရန် အသုံးပြုသည်။ (ဥပမာ အရပ်နှင့် ကိုယ်အလေးချိန်)

Spearman Correlation- အမျိုးအစား ခွဲထားသော ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုကို တိုင်းတာရန် အသုံးပြုသည်။ (ဥပမာ- ကျောင်းသားတစ်ဦး၏ သင်္ချာစာမေးပွဲရမှတ်နှင့် အတန်းတစ်တန်းရှိ ၎င်းတို့၏ သိပ္ပံစာမေးပွဲရမှတ် အဆင့်သတ်မှတ်ခြင်း)

Kendall’s Correlation- Spearman ၏ဆက်စပ်မှုကို သင်အသုံးပြုလိုသောအခါတွင် အသုံးပြုသော်လည်း နမူနာအရွယ်အစားသည် သေးငယ်ပြီး ဆက်စပ်အဆင့်များများစွာရှိသည်။

ဤသင်ခန်းစာတွင် Stata ရှိ ဆက်နွယ်မှုသုံးမျိုးကို မည်သို့ရှာဖွေရမည်ကို ရှင်းပြထားသည်။

ဒေတာကို ဖွင့်နေသည်။

အောက်ပါဥပမာတစ်ခုစီအတွက်၊ ကျွန်ုပ်တို့သည် auto ဟုခေါ်သော ဒေတာအတွဲကို အသုံးပြုပါမည်။ Command box တွင် အောက်ပါတို့ကို ရိုက်ထည့်ခြင်းဖြင့် ဤဒေတာအတွဲကို သင်တင်နိုင်သည်-

https://www.stata-press.com/data/r13/auto ကို အသုံးပြုပါ။

command box တွင် အောက်ပါတို့ကို ရိုက်ထည့်ခြင်းဖြင့် ဒေတာအတွဲ၏ အမြန်ခြုံငုံသုံးသပ်ချက်ကို ကျွန်ုပ်တို့ ရနိုင်သည်-

အကျဉ်းချုပ်ရန်

dataset တွင် စုစုပေါင်း variable 12 ခုရှိသည်ကိုကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

Stata တွင် Pearson ဆက်စပ်မှုကို မည်သို့ရှာရမည်နည်း။

pwcorr အမိန့်ကို အသုံးပြု၍ အလေးချိန် နှင့် အလျား ကိန်းများကြားရှိ Pearson ဆက်စပ်ကိန်းကို ကျွန်ုပ်တို့ ရှာဖွေနိုင်သည်-

pwcorr အလေးချိန်အရှည်

ဤကိန်းရှင်နှစ်ခုကြားရှိ Pearson ဆက်စပ်ကိန်းသည် 0.9460 ဖြစ်သည်။ ဤဆက်စပ်ဆက်နွယ်မှုကိန်းဂဏန်းသည် သိသာထင်ရှားခြင်းရှိ၊ မရှိ ဆုံးဖြတ်ရန်၊ sig command ကို အသုံးပြု၍ p ၏တန်ဖိုးကို ရှာတွေ့နိုင်သည်-

pwcorr အလေးချိန်အရှည်၊ sign

p-တန်ဖိုးသည် 0,000 ဖြစ်သည်။ ၎င်းသည် 0.05 ထက်နည်းသောကြောင့်၊ ဤကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုသည် ကိန်းဂဏန်းအရ သိသာထင်ရှားပါသည်။

ကိန်းရှင်များစွာအတွက် Pearson ဆက်စပ်ကိန်းကို ရှာရန် pwcorr အမိန့်ပြီးနောက် ကိန်းရှင်များစာရင်းကို ရိုးရိုးရှင်းရှင်း ရိုက်ထည့်ပါ။

pwcorr အလေးချိန်အရှည် displacement, sign

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• Pearson အလေးချိန်နှင့် အလျားကြား ဆက်စပ်မှု = 0.9460 | p-value = 0.000
• Pearson အလေးချိန်နှင့် နေရာရွှေ့ပြောင်းမှုကြား အပြန်အလှန်ဆက်စပ်မှု = 0.8949 | p-value = 0.000
• Pearson ရွှေ့ပြောင်းခြင်းနှင့် အရှည်ကြား ဆက်စပ်မှု = 0.8351 | p-value = 0.000

Stata မှာ Spearman ရဲ့ ဆက်စပ်မှုကို ဘယ်လိုရှာမလဲ။

spearman command ကို အသုံးပြု၍ variables trunk နှင့် rep78 အကြား Spearman ဆက်စပ်ကိန်းကို ကျွန်ုပ်တို့ ရှာဖွေနိုင်သည်-

လှံပင်စည် rep78

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• Obs အရေအတွက်- ဤသည်မှာ Spearman ဆက်စပ်ကိန်းကို တွက်ချက်ရန် အသုံးပြုသည့် တွဲလိုက်လေ့လာချက် အရေအတွက်ဖြစ်သည်။ rep78 variable အတွက် အချို့သောတန်ဖိုးများ ပျောက်ဆုံးနေသဖြင့် Stata သည် အတွဲတစ်ခုလျှင် 69 စောင့်ကြည့်မှုသာ (74 အပြည့်အစား) ကိုအသုံးပြုသည်။
• Spearman’s Rho- ဒါက Spearman ဆက်စပ်ကိန်း။ ဤအခြေအနေတွင်၊ ၎င်းသည် -0.2235 ဖြစ်ပြီး၊ ၎င်းသည် ကိန်းရှင်နှစ်ခုကြားတွင် အနုတ်လက္ခဏာဆက်စပ်မှုရှိကြောင်း ညွှန်ပြသည်။ တစ်ခုတိုးလာသည်နှင့်အမျှ အခြားတစ်ခုသည် လျော့နည်းလာတတ်သည်။
• ပြဿနာ > |t| : ဤသည်မှာ သီအိုရီစစ်ဆေးမှုနှင့်ဆက်စပ်နေသည့် p-တန်ဖိုးဖြစ်သည်။ ဤကိစ္စတွင်၊ p-value သည် 0.0649 ဖြစ်ပြီး α = 0.05 တွင် ကိန်းရှင်နှစ်ခုကြားတွင် ကိန်းဂဏန်းဆိုင်ရာ သိသာထင်ရှားသောဆက်စပ်မှုမရှိကြောင်း ညွှန်ပြသည်။

Spearman အမိန့်ပေးပြီးနောက် ကိန်းရှင်များစွာကို ရိုက်ထည့်ခြင်းဖြင့် ကိန်းရှင်များစွာအတွက် Spearman ဆက်စပ်ကိန်းကို ကျွန်ုပ်တို့ ရှာတွေ့နိုင်ပါသည်။ stats(rho p) command ကိုသုံးပြီး pairwise ဆက်စပ်မှုတစ်ခုစီအတွက် ဆက်စပ်ကိန်းနှင့် သက်ဆိုင်သော p-value ကို ကျွန်ုပ်တို့ ရှာဖွေနိုင်သည်-

spearman ပင်စည် rep78 gear_ratio, stats (rho p)

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• Spearman သည် ပင်စည်နှင့် rep78 = -0.2235 | p-value = 0.0649
• Spearman ပင်စည်နှင့် gear_ratio အကြားဆက်စပ်မှု = -0.5187 | p-value = 0.0000
• gear_ratio နှင့် rep78 = 0.4275 | အကြား Spearman ဆက်စပ်မှု p-value = 0.0002

Stata တွင် Kendall ၏ဆက်စပ်မှုကို မည်သို့ရှာရမည်နည်း။

ktau command ကို အသုံးပြု၍ trunk နှင့် rep78 variable များကြား Kendall ဆက်စပ်ကိန်းကို ကျွန်ုပ်တို့ ရှာဖွေနိုင်သည်-

ktau trunk rep78

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• obs အရေအတွက်- ဤသည်မှာ Kendall ဆက်စပ်ကိန်းကို တွက်ချက်ရန် အသုံးပြုသည့် တွဲလိုက်လေ့လာချက် အရေအတွက်ဖြစ်သည်။ rep78 variable အတွက် အချို့သောတန်ဖိုးများ ပျောက်ဆုံးနေသဖြင့် Stata သည် အတွဲတစ်ခုလျှင် 69 စောင့်ကြည့်မှုသာ (74 အပြည့်အစား) ကိုအသုံးပြုသည်။
• Kendall ၏ Tau-b- ဤသည်မှာ ကိန်းရှင်နှစ်ခုကြားရှိ Kendall ၏ဆက်စပ်ကိန်း။ tau-b သည် ဆက်စပ်မှုကိစ္စများတွင် ချိန်ညှိမှုများ ပြုလုပ်ပေးသောကြောင့် ယေဘုယျအားဖြင့် ကျွန်ုပ်တို့သည် tau-a အစား ဤတန်ဖိုးကို အသုံးပြုပါသည်။ ဤကိစ္စတွင်၊ tau-b = -0.1752၊ ကိန်းရှင်နှစ်ခုကြားတွင် အနုတ်လက္ခဏာဆက်စပ်မှုကို ညွှန်ပြသည်။
• ပြဿနာ > |z| : ဤသည်မှာ သီအိုရီစစ်ဆေးမှုနှင့်ဆက်စပ်နေသည့် p-တန်ဖိုးဖြစ်သည်။ ဤကိစ္စတွင်၊ p-value သည် 0.0662 ဖြစ်ပြီး α = 0.05 တွင် ကိန်းရှင်နှစ်ခုကြားတွင် ကိန်းဂဏန်းဆိုင်ရာ သိသာထင်ရှားသောဆက်စပ်မှုမရှိကြောင်း ညွှန်ပြသည်။

ktau command ပြီးနောက် နောက်ထပ် variable များကို ရိုက်ထည့်ရုံဖြင့် ကိန်းရှင်များစွာအတွက် Kendall ၏ ဆက်စပ်ကိန်းကို ရှာတွေ့နိုင်ပါသည်။ stats(taub p) command ကို အသုံးပြု၍ pairwise ဆက်စပ်မှုတစ်ခုစီအတွက် ဆက်စပ်ကိန်းနှင့် သက်ဆိုင်သော p-value ကို ကျွန်ုပ်တို့ ရှာဖွေနိုင်သည်-

ktau ပင်စည် rep78 ဂီယာ_အချိုး၊ ကိန်းဂဏန်းများ (taub p)

• Kendall သည် ပင်စည်နှင့် rep78 = -0.1752 | p-value = 0.0662
• Kendall ၏ ပင်စည်နှင့် gear_ratio အကြားဆက်စပ်မှု = -0.3753 | p-value = 0.0000
• Kendall သည် gear_ratio နှင့် rep78 = 0.3206 | p-value = 0.0006