R တွင် spearman အဆင့်ဆက်စပ်မှုကို တွက်ချက်နည်း


ကိန်းဂဏန်းစာရင်းဇယားများတွင် ဆက်စပ်ဆက်နွယ်မှုသည် ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှု၏ ခွန်အားနှင့် ဦးတည်ချက်ကို ရည်ညွှန်းသည်။ ဆက်စပ်ကိန်း၏တန်ဖိုးသည် -1 မှ 1 အထိ၊ အောက်ပါအဓိပ္ပာယ်ဖွင့်ဆိုချက်များဖြင့် ကွာနိုင်သည်။

  • -1- ကိန်းရှင်နှစ်ခုကြား ပြီးပြည့်စုံသော အနုတ်လက္ခဏာ ဆက်ဆံရေး
  • 0- ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုမရှိပါ။
  • 1- ကိန်းရှင်နှစ်ခုကြားတွင် ပြီးပြည့်စုံသော အပြုသဘောဆောင်သောဆက်ဆံရေး

အထူးဆက်နွယ်မှုအမျိုးအစားကို Spearman’s rank correlation ဟုခေါ်သည်၊ ၎င်းသည် အဆင့်သတ်မှတ်ထားသောကိန်းရှင်နှစ်ခုကြားရှိဆက်စပ်မှုကိုတိုင်းတာရန်အသုံးပြုသည်။ (ဥပမာ၊ ကျောင်းသားတစ်ဦး၏ သင်္ချာစာမေးပွဲရမှတ် အဆင့်သည် အတန်းတစ်တန်းရှိ ၎င်းတို့၏ သိပ္ပံစာမေးပွဲရမှတ် အဆင့်နှင့် နှိုင်းယှဉ်သည်)။

R ရှိ variable နှစ်ခုကြားရှိ Spearman အဆင့်ဆက်စပ်မှုကို တွက်ချက်ရန်၊ အောက်ပါ အခြေခံ syntax ကို သုံးနိုင်သည်-

 corr <- cor. test (x, y, method = ' spearman ')

အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ 1- Spearman သည် vector များအကြား ဆက်စပ်မှု အဆင့်များ

အောက်ပါကုဒ်သည် R ရှိ vector နှစ်ခုကြားရှိ Spearman အဆင့်ဆက်စပ်မှုကို တွက်ချက်နည်းကို ပြသည်-

 #define data
x <- c(70, 78, 90, 87, 84, 86, 91, 74, 83, 85)
y <- c(90, 94, 79, 86, 84, 83, 88, 92, 76, 75)

#calculate Spearman rank correlation between x and y
horn. test (x, y, method = ' spearman ')

	Spearman's rank correlation rho

data: x and y
S = 234, p-value = 0.2324
alternative hypothesis: true rho is not equal to 0
sample estimates:
       rho 
-0.4181818

ရလဒ်မှ၊ Spearman အဆင့်ဆက်စပ်မှုမှာ -0.41818 ဖြစ်ပြီး သက်ဆိုင်သော p-တန်ဖိုးသည် 0.2324 ဖြစ်ကြောင်း ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

၎င်းသည် vectors နှစ်ခုကြားတွင် အနုတ်လက္ခဏာဆက်စပ်မှုရှိကြောင်း ညွှန်ပြသည်။

သို့သော်၊ ဆက်စပ်ဆက်နွယ်မှု၏ p-တန်ဖိုးသည် 0.05 ထက်မနည်းသောကြောင့်၊ ဆက်စပ်မှုမှာ ကိန်းဂဏန်းအရ သိသာထင်ရှားခြင်းမရှိပါ။

ဥပမာ 2- Spearman အဆင့်သတ်မှတ်ချက် ဒေတာဘောင်ရှိ ကော်လံများကြား ဆက်စပ်မှု

အောက်ပါကုဒ်သည် ဒေတာဘောင်တစ်ခုရှိ ကော်လံနှစ်ခုကြားရှိ Spearman အဆင့်ဆက်စပ်မှုကို တွက်ချက်နည်းကို ပြသသည်-

 #define data frame
df <- data. frame (team=c('A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'),
                 points=c(67, 70, 75, 78, 73, 89, 84, 99, 90, 91),
                 assists=c(22, 27, 30, 23, 25, 31, 38, 35, 34, 32))

#calculate Spearman rank correlation between x and y
horn. test (df$points, df$assists, method = 'spearman')

	Spearman's rank correlation rho

data: df$points and df$assists
S = 36, p-value = 0.01165
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho 
0.7818182 

ရလဒ်မှ၊ Spearman အဆင့်ဆက်စပ်မှုမှာ 0.7818 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 0.01165 ဖြစ်သည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

၎င်းသည် vector နှစ်ခုကြားတွင် ခိုင်မာသော အပြုသဘောဆောင်သော ဆက်စပ်ဆက်နွယ်မှုရှိကြောင်း ညွှန်ပြသည်။

ဆက်စပ်ဆက်နွယ်မှု၏ p-တန်ဖိုးသည် 0.05 ထက်နည်းသောကြောင့်၊ ဆက်စပ်ဆက်စပ်မှုသည် ကိန်းဂဏန်းအရ သိသာထင်ရှားပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

R တွင် တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကို တွက်ချက်နည်း
R တွင် autocorrelation ကိုဘယ်လိုတွက်ရမလဲ
R တွင် လျှောတိုက်ဆက်စပ်မှုကို တွက်ချက်နည်း
Spearman ဆက်စပ်မှုကို APA ဖော်မတ်ဖြင့် မည်သို့အစီရင်ခံမည်နည်း။

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်