ငွီးငှေ့သော ဆက်ဆံရေးဆိုသည်မှာ အဘယ်နည်း။ (အဓိပ္ပါယ် + ဥပမာများ)

စာရင်းဇယားများတွင်၊ variable နှစ်ခုကြားရှိ monotonic ဆက်ဆံရေး သည် variable တစ်ခုရှိပြောင်းလဲမှုသည် များသောအားဖြင့် အခြားသော variable တစ်ခုရှိ တိကျသောဦးတည်ချက်ပြောင်းလဲမှုတစ်ခုနှင့် ဆက်စပ်မှုရှိသည်ကို ရည်ညွှန်းသည်။

monotonic ဆက်ဆံရေး အမျိုးအစား နှစ်မျိုးရှိသည်။

အပြုသဘောဆောင်သော မိုနိုတိုနစ်- ကိန်းရှင်တစ်ခု၏တန်ဖိုး တိုးလာသောအခါ၊ အခြားကိန်းရှင်၏တန်ဖိုးသည်လည်း တိုးတတ်ပါသည်။

Negative monotonic- ကိန်းရှင်တစ်ခု၏တန်ဖိုးတိုးလာသောအခါ၊ အခြားကိန်းရှင်၏တန်ဖိုးသည် ကျဆင်းသွားတတ်သည်။

အကယ်၍ ကိန်းရှင်နှစ်ခုသည် ယေဘူယျအားဖြင့် တူညီသောဦးတည်ချက်တွင် မပြောင်းလဲပါက၊ ၎င်းတို့ကို mono-monotonic ဆက်စပ်မှု ဟု ဆိုကြသည်။

ဤသည်မှာ ကိန်းရှင်နှစ်ခုကြားမှ mono-monotonic မဟုတ်သော ဆက်ဆံရေး၏ ဥပမာတစ်ခုဖြစ်သည်။

ဤသည်မှာ ကိန်းရှင်နှစ်ခုကြားတွင် mono-monotonic မဟုတ်သော ဆက်နွယ်မှု၏ အခြားဥပမာတစ်ခုဖြစ်သည်။

x ၏တန်ဖိုးတိုးလာသည်နှင့်အမျှ y ၏တန်ဖိုးသည် တခါတရံ တိုးလာသော်လည်း တခါတရံ y ၏တန်ဖိုး ကျဆင်းသွားသည် ။

တင်းကျပ်စွာ ငွီးငှေ့နေသော သို့မဟုတ် တင်းကြပ်စွာ ငွီးငှေ့ခြင်းမရှိ

ကိန်းရှင်တစ်ခုရှိ ပြောင်းလဲမှုများသည် အခြားကိန်းရှင်တစ်ခုရှိ ဦးတည်ချက်တူညီသောပြောင်းလဲမှုနှင့် အမြဲ ဆက်စပ်နေပါက ကိန်းရှင်နှစ်ခုသည် တင်းကြပ်စွာ monotonic ဆက်ဆံရေးရှိသည်ဟု ဆိုပါသည်။

ဥပမာအားဖြင့်၊ အောက်ပါဂရပ်သည် ကိန်းရှင်နှစ်ခုကြားတွင် တင်းကြပ်စွာ အပြုသဘောဆောင်သော monotonic ဆက်ဆံရေးကို သရုပ်ဖော်သည်-

x ၏တန်ဖိုးတိုးလာသည်နှင့်အမျှ y ၏တန်ဖိုးသည် အမြဲ တိုးလာသည်။

အောက်ပါဂရပ်သည် ကိန်းရှင်နှစ်ခုကြားတွင် တင်းကြပ်စွာ အနုတ်လက္ခဏာဆောင်သော monotonic ဆက်ဆံရေးကို သရုပ်ဖော်သည်-

x ၏တန်ဖိုးတိုးလာသည်နှင့်အမျှ y ၏တန်ဖိုးသည် အမြဲတမ်း ကျဆင်းသွားပါသည်။

monotonic ဆက်ဆံရေးကိုဘယ်လိုရေတွက်မလဲ။

variable နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို တိုင်းတာရန် အသုံးအများဆုံးနည်းလမ်းမှာ ကိန်း ရှင် နှစ်ခုကြားရှိ မျဉ်းကြောင်းဆက်စပ်မှုကို တိုင်းတာသည့် Pearson correlation coefficient ကိုအသုံးပြုခြင်းဖြစ်သည်။

ဤကိန်းဂဏန်းသည် အမြဲတမ်း -1 နှင့် 1 အကြား တန်ဖိုးတစ်ခုကို အမြဲယူပါသည်။

• -1 သည် ကိန်းရှင်နှစ်ခုကြားတွင် လုံးဝအပျက်သဘောဆောင်သော ဆက်စပ်ဆက်နွယ်မှုကို ညွှန်ပြသည်။
• 0 သည် variable နှစ်ခုကြားတွင် linear ဆက်စပ်မှုမရှိဟု ညွှန်ပြသည်။
• 1 သည် ကိန်းရှင်နှစ်ခုကြားတွင် လုံးဝအပြုသဘောဆောင်သောမျဉ်းကြောင်းဆက်စပ်မှုကို ညွှန်ပြသည်။

coefficient က 1 နဲ့ ပိုနီးစပ်လေ၊ variable နှစ်ခုကြားက အပြုသဘောဆောင်တဲ့ ဆက်ဆံရေး ပိုအားကောင်းလေပါပဲ။ အပြန်အလှန်အားဖြင့်၊ coefficient သည် -1 နှင့် ပိုနီးစပ်လေ၊ variable နှစ်ခုကြားရှိ အနုတ်လက္ခဏာဆက်ဆံရေး အားကောင်းလေဖြစ်သည်။

သို့သော်၊ ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်ဆံရေးသည် monotonic ဖြစ်သော်လည်း linear မဟုတ်သော (အထစ်ပိုနနးရှင်းဆက်ဆံရေးကဲ့သို့) ဆိုလျှင်၊ monotonic ဆက်ဆံရေးကို ကောင်းမွန်စွာကိုင်တွယ်ရန် ဒီဇိုင်းထုတ်ထားသည့် Spearman Rank ဆက်စပ်မှုကို အသုံးပြုရန် အကြံဉာဏ်ကောင်းဖြစ်သည်။

သင် တွက်ချက်နေသည့် ဆက်စပ်ကိန်း အမျိုးအစားကို မည်သို့ပင် ဖြစ်စေ၊ ကိန်းရှင်များကြား ဆက်စပ်မှုကိုလည်း မြင်ယောင်နိုင်စေရန် scatterplot တစ်ခုကို ဖန်တီးခြင်းသည် အမြဲတမ်း ကောင်းမွန်ပါသည်။