Spss တွင် covariance matrix ဖန်တီးနည်း

Covariance သည် ကိန်းရှင်တစ်ခုရှိ ပြောင်းလဲမှုများနှင့် ဒုတိယကိန်းရှင်တစ်ခုရှိ အပြောင်းအလဲများနှင့် ဆက်စပ်နေပုံကို တိုင်းတာခြင်းဖြစ်သည်။ ပို၍တိကျသည်မှာ၊ ၎င်းသည် ကိန်းရှင်နှစ်ခုအား မျဉ်းသားဆက်စပ်နေသည့်အတိုင်းအတာကို တိုင်းတာခြင်းဖြစ်သည်။

ကိန်းရှင်နှစ်ခုကြားရှိ ကွဲလွဲမှုကို တွက်ချက်ရန် ဖော်မြူလာမှာ X နှင့် Y ဖြစ်သည်-

COV( X , Y ) = Σ(x- x )(y- y ) / n

covariance matrix သည် data set တစ်ခုရှိ မတူညီသော variable များကြား ကွဲလွဲမှုကို ပြသသော စတုရန်း matrix တစ်ခုဖြစ်သည်။

ဤသင်ခန်းစာတွင် SPSS တွင် ပေးထားသည့်ဒေတာအတွဲအတွက် ကာဗာမထရစ်ကို မည်သို့ဖန်တီးရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- SPSS ရှိ Covariance matrix

သင်္ချာ၊ သိပ္ပံနှင့် သမိုင်းဘာသာရပ်သုံးခုတွင် မတူညီသော ကျောင်းသား ၁၀ ဦး၏ စာမေးပွဲရမှတ်များကို ပြသသည့် အောက်ပါဒေတာအတွဲရှိသည် ဆိုပါစို့။

ဤဒေတာအတွဲအတွက် တူညီသော matrix တစ်ခုကို ဖန်တီးရန်၊ Analyze တက်ဘ်ကို နှိပ်ပါ၊ ထို့နောက် Correlate ၊ ထို့နောက် Bivariate −

ပေါ်လာသည့်ဝင်းဒိုးအသစ်တွင်၊ ကိန်းရှင်သုံးခုမှ တစ်ခုစီကို Variables ဟုအမည်တပ်ထားသော အကွက်ထဲသို့ ဆွဲယူပါ။

ထို့နောက် Options ကို နှိပ်ပါ။ ထုတ်ကုန်များအကြား ကွဲပြားမှုများနှင့် ကွဲလွဲမှုများ ဘေးရှိ အကွက်ကို စစ်ဆေးပါ။ ထို့နောက် Continue ကိုနှိပ်ပါ။

ထို့နောက် OK ကိုနှိပ်ပါ။ ရလဒ်သည် ဝင်းဒိုးအသစ်တွင် ပေါ်လာလိမ့်မည်-

ကိန်းရှင်များ၏ pairwise ပေါင်းစပ်မှုတစ်ခုစီအတွက် ကွဲလွဲမှုကိုရရှိရန်၊ သင်သည် N ဖြင့် စတုရန်းနှင့် vector ထုတ်ကုန်များ၏ ပေါင်းလဒ်ကို ပိုင်းခြားရန် လိုအပ်သည်။

ဥပမာအားဖြင့်၊ သင်္ချာနှင့် သိပ္ပံအကြား ကွဲလွဲမှုကို အောက်ပါအတိုင်း တွက်ချက်နိုင်သည်။

COV (သင်္ချာ၊ သိပ္ပံ) = 332,000 / 10 = 33.2 ။

အလားတူ၊ သင်္ချာနှင့် သမိုင်းကြား ကွဲလွဲမှုကို အောက်ပါအတိုင်း တွက်ချက်နိုင်သည်။

COV (သင်္ချာ၊ သမိုင်း) = -244.400 / 10 = -24.44 ။

စတုရန်းနှင့် vector ထုတ်ကုန်များကို N ဖြင့် ပိုင်းခြားခြင်းဖြင့် ကိန်းရှင်တစ်ခုစီအတွက် ကွဲလွဲမှုကိုလည်း သင်ရနိုင်သည်။

ဥပမာအားဖြင့် သင်္ချာတွင် ကွဲလွဲမှုကို အောက်ပါအတိုင်း တွက်ချက်နိုင်သည်။

VAR(သင်္ချာ) = 649.600 / 10 = 64.96 ။

အလားတူ တွက်ချက်မှုများကို လုပ်ဆောင်ခြင်းဖြင့် ဤဒေတာအတွဲအတွက် အပြည့်အ၀ တူညီသော မက်ထရစ်ကို သင် ရယူနိုင်ပါသည်။

ကွဲလွဲမှုမက်ထရစ်ကို ဘယ်လိုအဓိပ္ပာယ်ဖွင့်မလဲ။

covariance matrix ၏ ထောင့်ဖြတ်မျဉ်းတစ်လျှောက်ရှိ တန်ဖိုးများသည် ဘာသာရပ်တစ်ခုစီ၏ ကွဲလွဲမှုများဖြစ်သည်။ ဥပမာအားဖြင့်:

• သင်္ချာရလဒ်များ၏ကွဲလွဲမှုသည် 64.96 ဖြစ်သည်။
• သိပ္ပံရမှတ်များ၏ ကွဲလွဲမှုသည် 56.4 ဖြစ်သည်။
• သမိုင်းဝင်ရမှတ်များ၏ ကွဲလွဲမှုမှာ 75.56 ဖြစ်သည်။

matrix ၏အခြားတန်ဖိုးများသည် မတူညီသောဘာသာရပ်များအကြား ကွဲလွဲမှုများကို ကိုယ်စားပြုသည်။ ဥပမာအားဖြင့်:

• သင်္ချာနှင့် သိပ္ပံရမှတ်များကြား ကွာခြားချက်မှာ ၃၃.၂ ဖြစ်သည်။
• သင်္ချာနှင့် သမိုင်းရမှတ်များအကြား ကွဲလွဲမှုမှာ -24.44 ဖြစ်သည်။
• သိပ္ပံနှင့် သမိုင်းရမှတ်များအကြား ကွဲလွဲမှုမှာ -24.1 ဖြစ်သည်။

ကွဲလွဲမှုများအတွက် အပြုသဘောဆောင်သော ကိန်းဂဏန်း တစ်ခုသည် ကိန်းရှင်နှစ်ခုသည် တပြိုင်နက်တွင် အတိုး သို့မဟုတ် လျော့တတ်သည်ကို ညွှန်ပြသည်။ ဥပမာအားဖြင့်၊ သင်္ချာနှင့် သိပ္ပံတွင် အပြုသဘောဆောင်သော ကွဲလွဲမှု (33.2) ရှိသည်၊ သင်္ချာတွင် အမှတ်များသော ကျောင်းသားများသည်လည်း သိပ္ပံတွင် ရမှတ်များတတ်ကြောင်း ညွှန်ပြသည်။ အလားတူပင် သင်္ချာဘာသာရပ်တွင် ညံ့ဖျင်းသော ကျောင်းသားများသည် သိပ္ပံတွင် ညံ့ဖျင်းစွာ ဖြေဆိုလေ့ရှိကြသည်။

ကွဲလွဲမှုတစ်ခုအတွက် အနုတ်ကိန်းဂဏန်း တစ်ခုသည် ကိန်းရှင်တစ်ခုတိုးလာသည်နှင့်အမျှ၊ ဒုတိယကိန်းရှင်သည် လျော့နည်းသွားကြောင်း ဖော်ပြသည်။ ဥပမာအားဖြင့်၊ သိပ္ပံပညာနှင့် သမိုင်းတွင် အနုတ်လက္ခဏာဆောင်သော ကွဲလွဲမှု (-24.1) ရှိသည်၊ သိပ္ပံပညာတွင် ရမှတ်မြင့်သော ကျောင်းသားများသည် သမိုင်းတွင် အမှတ်နိမ့်တတ်ကြောင်း ညွှန်ပြသည်။ အလားတူပင် သိပ္ပံဘာသာရပ်တွင် အမှတ်နိမ့်သော ကျောင်းသားများသည် သမိုင်းတွင် ရမှတ်များ မြင့်မားတတ်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

SPSS တွင် Correlation Matrix ကိုဖန်တီးနည်း
SPSS တွင် တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကို တွက်ချက်နည်း