ဆက်စပ်မှုအမျိုးအစားများ
ဤဆောင်းပါးတွင် ဆက်စပ်မှု အမျိုးအစားအားလုံးကို ရှင်းပြထားသည်။ ထို့ကြောင့်၊ ဆက်စပ်ဆက်နွယ်မှုကို အမျိုးအစားခွဲရန် နည်းလမ်းများစွာကို သင်တွေ့လိမ့်မည်- ဆက်ဆံရေးသည် အပြုသဘော သို့မဟုတ် အနုတ်လက္ခဏာရှိမရှိ၊ ကိန်းရှင်အရေအတွက်ပေါ်မူတည်၍ ဆက်စပ်ကိန်း၏တန်ဖိုးပေါ် မူတည်ပြီး၊ စသည်တို့အပေါ် မူတည်သည်။
linear correlation အမျိုးအစားတွေက ဘာတွေလဲ။
ကျပန်း variable နှစ်ခုကြားရှိ ဆက်စပ်မှုကို အမျိုးအစားခွဲခြားရန်၊ အောက်ဖော်ပြပါ linear correlation အမျိုးအစားများကို ခွဲခြားထားပါသည်။
- တိုက်ရိုက်ဆက်စပ်မှု (သို့မဟုတ် အပြုသဘောဆောင်သောဆက်စပ်ဆက်နွယ်မှု) : အခြားတစ်ခုတိုးလာသောအခါ ကိန်းရှင်တစ်ခုတိုးလာသည်။
- Inverse correlation (သို့မဟုတ် negative correlation) : ကိန်းရှင်တစ်ခုတိုးလာသောအခါ အခြားတစ်ခု လျော့နည်းသွားပြီး အပြန်အလှန်အားဖြင့် ကိန်းရှင်တစ်ခု လျော့နည်းသွားပါက အခြားတစ်ခုတိုးလာပါသည်။
- Zero correlation (ဆက်နွယ်မှုမရှိပါ) : ကိန်းရှင်နှစ်ခုကြားတွင် ဆက်နွယ်မှုမရှိပါ။
ဒေတာ၏သဘောသဘာဝပေါ် မူတည်၍ တိုက်ရိုက်ဆက်စပ်မှုသည် တစ်ချိန်တည်းတွင် တိုက်ရိုက်အချိုးကျဆက်စပ်မှုရှိနိုင်သော်လည်း၊ ဤအတွက် ကိန်းရှင်နှစ်ခုကို ချိတ်ဆက်ပေးသည့်အချက်မှာ အမြဲတမ်းတူညီနေရမည်ဖြစ်သည်။ ထို့ကြောင့်၊ တိုက်ရိုက်အချိုးကျသော ဆက်ဆံရေးအားလုံးသည် တိုက်ရိုက်ဆက်စပ်ဆက်နွယ်မှု၏နမူနာများဖြစ်သည်၊ အဘယ်ကြောင့်ဆိုသော် ကိန်းရှင်နှစ်ခုသည် အတူတကွတိုးလာသော်လည်း တိုက်ရိုက်အချိုးကျသောဆက်ဆံရေးအားလုံးသည် နယ်ပယ်ပေါ်မူတည်၍ ဆက်စပ်မှုအတိုင်းအတာ ကွဲပြားနိုင်သောကြောင့် တိုက်ရိုက်အချိုးကျပါသည်။
အလားတူ၊ ပြောင်းပြန်အချိုးကျသော ကိန်းရှင်များအားလုံးတွင်လည်း အနုတ်သဘောဆက်စပ်မှုရှိသည်။ သို့ရာတွင်၊ အနုတ်လက္ခဏာဆက်စပ်ဆက်နွယ်မှုရှိသော ကိန်းရှင်အားလုံးသည် ပြောင်းပြန်အချိုးကျမဟုတ်ပါ ၊ ယင်းကဲ့သို့ထည့်သွင်းစဉ်းစားရမည်ဖြစ်သောကြောင့် ၎င်းတို့ကြားရှိ သင်္ချာဆိုင်ရာဆက်နွယ်မှုသည် ဒေတာအတွဲအားလုံးအတွက် ကိန်းသေဖြစ်ရပါမည်။
ဆက်စပ်မှု အတိုင်းအတာပေါ်မူတည်၍ ဆက်စပ်မှုအမျိုးအစားများ
variable နှစ်ခုကြား ဆက်စပ်မှုသည် တိုက်ရိုက်ဖြစ်စေ ပြောင်းပြန်ဖြစ်စေ၊ ဆက်စပ်မှုကိုလည်း variable နှစ်ခုကြားရှိ ဆက်နွယ်မှု၏ အားသာချက် သို့မဟုတ် အားနည်းချက်အပေါ် အခြေခံ၍ ခွဲခြားနိုင်သည်။
- ခိုင်မာသောဆက်စပ်မှု- ကိန်းရှင်နှစ်ခုသည် အနီးကပ်ချိတ်ဆက်ထားသည်။ ဒေတာများကို ဖြန့်ခွဲကွက်တစ်ခုတွင် ရေးဆွဲပါက၊ အမှတ်များသည် အလွန်နီးကပ်ပါသည်။ ၎င်းသည် ကိန်းရှင်များကြား ဆက်စပ်မှုကို ဖော်ထုတ်ရန် ပိုမိုလွယ်ကူစေသည်။
- ဆက်စပ်မှုနည်းခြင်း : ကိန်းရှင်နှစ်ခုကြားတွင် ဆက်စပ်မှုရှိသော်လည်း ခွဲခြားရန်ခက်ခဲသည်။ တိမ်တိုက်ပေါ်ရှိ အမှတ်များသည် တစ်ခုနှင့်တစ်ခု ဝေးကွာသည်။
ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုအားကောင်းခြင်း သို့မဟုတ် အားနည်းခြင်းရှိမရှိ သိရန်၊ ဆက်စပ်ကိန်းကို တွက်ချက်ရပါမည်။ ဆက်စပ်ဆက်စပ်ကိန်း၏ ပကတိတန်ဖိုး မြင့်မားလေ၊ ကိန်းရှင်များကြား ဆက်စပ်မှု အားကောင်းလေဖြစ်သည်။
ထို့ကြောင့်၊ ဆက်စပ်ဆက်စပ်ကိန်း၏တန်ဖိုးအပေါ်အခြေခံ၍ မတူညီသောကိန်းဂဏန်းကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို အောက်ပါအမျိုးအစားများအဖြစ် ခွဲခြားနိုင်သည်-
| ဆက်စပ်ကိန်းတန်ဖိုး | ပုံမှန်ဆက်စပ်မှု |
|---|---|
| စာ-၁ | ပြီးပြည့်စုံသော အနုတ်လက္ခဏာဆက်စပ်မှု |
| -0.9 မှ -0.99 | အလွန်ခိုင်မာသော အနုတ်လက္ခဏာဆက်စပ်မှု |
| -0.7 မှ -0.89 အထိ | ခိုင်မာသောအနုတ်လက္ခဏာဆက်စပ်မှု |
| -0.4 မှ -0.69 | အလယ်အလတ် အပျက်သဘော ဆက်စပ်မှု |
| -0.2 မှ -0.39 | အနုတ်လက္ခဏာဆက်စပ်မှုအားနည်း |
| -0.01 မှ -0.19 | အလွန်အားနည်းသော အနုတ်လက္ခဏာဆက်စပ်မှု |
| ၀ယ်တယ်။ | သုညဆက်စပ်မှု |
| 0.01 မှ 0.19 ထိ | အပြုသဘောဆောင်သောဆက်စပ်ဆက်စပ်မှုအလွန်အားနည်း |
| 0.2 မှ 0.39 ထိ | အပြုသဘောဆောင်သောဆက်စပ်မှုအားနည်း |
| 0.4 မှ 0.69 အထိ | အလယ်အလတ်အပြုသဘောဆက်စပ်မှု |
| 0.7 မှ 0.89 ထိ | ခိုင်မာသောအပြုသဘောဆက်စပ်ဆက်စပ်မှု |
| 0.9 မှ 0.99 ထိ | အလွန်ခိုင်မာသောအပြုသဘောဆက်စပ်ဆက်စပ်မှု |
| ၁ | ပြီးပြည့်စုံသော အပြုသဘောဆက်စပ်မှု |
အခြားဆက်စပ်မှုအမျိုးအစားများ
မျဉ်းကြောင်းဆက်နွယ်မှု အမျိုးအစားများ ကွဲပြားသည်ကို ကျွန်ုပ်တို့ ယခုမှတွေ့မြင်ခဲ့ရသော်လည်း၊ အခြားသော ဆက်စပ်မှုအမျိုးအစားများကို အမျိုးအစားခွဲရန် အခြားနည်းလမ်းများ ရှိသည်ကို သတိပြုရပါမည်။
ကိန်းရှင်များအကြား ဆက်နွယ်မှုသဘောသဘာဝအရ အပြန်အလှန်ဆက်စပ်မှုအမျိုးအစားများကို အုပ်စုဖွဲ့ပါက၊
- Linear Correlation – ကိန်းရှင်နှစ်ခုကြား ဆက်ဆံရေးကို မျဉ်းဖြောင့်ဖြင့် ကိုယ်စားပြုနိုင်သည်။
- Nonlinear correlation : ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို မျဉ်းဖြောင့်ဖြင့် ကိုယ်စားပြု၍မရသော်လည်း ၎င်းအစား parabola သို့မဟုတ် logarithm ကဲ့သို့ ပိုမိုရှုပ်ထွေးသော လုပ်ဆောင်ချက်များကို အသုံးပြုရပါမည်။
အခြားတစ်ဖက်တွင်၊ ဆက်စပ်ဆက်နွယ်မှုကို ကိန်းရှင်အရေအတွက်ပေါ်မူတည်၍ မတူညီသောအုပ်စုများသို့ ခွဲခြားနိုင်သည်။
- ရိုးရှင်းသောဆက်စပ်မှု – ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုကိုသာ လေ့လာသည်။
- Multiple correlation : ကိန်းရှင်နှစ်ခုထက်ပိုသော ဆက်စပ်မှုကို လေ့လာသည်။
- Partial correlation : ကိန်းရှင်နှစ်ခုကြား ဆက်ဆံရေးသည် ဒေတာအစုံရှိ အခြားကိန်းရှင်များကို မထိခိုက်စေသည့်အခါ။
စာရေးသူအကြောင်း
Benjamin Anderson
မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။