Je\u015bli jednak chcemy obliczy\u0107 korelacj\u0119 mi\u0119dzy zmienn\u0105 ci\u0105g\u0142\u0105 a zmienn\u0105 kategoryczn\u0105<\/a> , mo\u017cemy zastosowa\u0107 tak zwan\u0105 korelacj\u0119 punktow\u0105 dwuseryjn\u0105<\/strong> .<\/span><\/p>\n Korelacja dwuseryjna punktowa s\u0142u\u017cy do obliczania korelacji pomi\u0119dzy binarn\u0105 zmienn\u0105 kategorialn\u0105 (zmienn\u0105, kt\u00f3ra mo\u017ce przyjmowa\u0107 tylko dwie warto\u015bci) a zmienn\u0105 ci\u0105g\u0142\u0105 i ma nast\u0119puj\u0105ce w\u0142a\u015bciwo\u015bci:<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce obliczy\u0107 korelacj\u0119 punktowo-dwerialn\u0105.<\/span><\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce profesor uniwersytetu chce ustali\u0107, czy istnieje korelacja mi\u0119dzy p\u0142ci\u0105 a wynikiem na konkretnym egzaminie kwalifikacyjnym.<\/span><\/p>\n Zbiera nast\u0119puj\u0105ce dane na temat 12 ch\u0142opc\u00f3w i 12 dziewcz\u0105t w swojej klasie:<\/span> <\/p>\n Poniewa\u017c p\u0142e\u0107<\/strong> jest zmienn\u0105 kategoryczn\u0105, a wynik<\/strong> jest zmienn\u0105 ci\u0105g\u0142\u0105, sensowne jest obliczenie korelacji punktowo-dwuseryjnej mi\u0119dzy tymi dwiema zmiennymi.<\/span><\/p>\n Profesor potrafi wykorzysta\u0107 dowolny program statystyczny (m.in. Excel, R, Python, SPSS, Stata) do obliczenia korelacji punktowo-biseryjnej pomi\u0119dzy obiema zmiennymi.<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak obliczy\u0107 korelacj\u0119 punktowo-dwseryjn\u0105 w R, u\u017cywaj\u0105c warto\u015bci 0 do reprezentowania kobiet i 1 do reprezentowania m\u0119\u017cczyzn dla zmiennej p\u0142ci:<\/span><\/p>\n Z wyniku widzimy, \u017ce wsp\u00f3\u0142czynnik korelacji punktowo-dwseryjnej wynosi 0,281<\/strong> , a odpowiadaj\u0105ca mu warto\u015b\u0107 p wynosi 0,1833<\/strong> .<\/span><\/p>\n Poniewa\u017c wsp\u00f3\u0142czynnik korelacji jest dodatni, oznacza to, \u017ce istnieje dodatnia korelacja mi\u0119dzy p\u0142ci\u0105 a wynikiem.<\/span><\/p>\n Poniewa\u017c zakodowali\u015bmy m\u0119\u017cczyzn jako 1, a kobiety jako 0, oznacza to, \u017ce wyniki s\u0105 zwykle wy\u017csze w przypadku m\u0119\u017cczyzn (tj. wyniki maj\u0105 tendencj\u0119 do zwi\u0119kszania si\u0119 wraz ze \u201ewzrostem\u201d p\u0142ci). \u00bb od 0 do 1).<\/span><\/p>\n Poniewa\u017c jednak warto\u015b\u0107 p jest nie mniejsza ni\u017c 0,05, ten wsp\u00f3\u0142czynnik korelacji nie jest istotny statystycznie.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak obliczy\u0107 korelacj\u0119 punktow\u0105 dwuseryjn\u0105 przy u\u017cyciu r\u00f3\u017cnych program\u00f3w statystycznych:<\/span><\/p>\n Jak obliczy\u0107 korelacj\u0119 punktowo-dwerialn\u0105 w programie Excel<\/a> Kiedy chcemy obliczy\u0107 korelacj\u0119 mi\u0119dzy dwiema zmiennymi ci\u0105g\u0142ymi, zazwyczaj u\u017cywamy wsp\u00f3\u0142czynnika korelacji Pearsona . Je\u015bli jednak chcemy obliczy\u0107 korelacj\u0119 mi\u0119dzy zmienn\u0105 ci\u0105g\u0142\u0105 a zmienn\u0105 kategoryczn\u0105 , mo\u017cemy zastosowa\u0107 tak zwan\u0105 korelacj\u0119 punktow\u0105 dwuseryjn\u0105 . Korelacja dwuseryjna punktowa s\u0142u\u017cy do obliczania korelacji pomi\u0119dzy binarn\u0105 zmienn\u0105 kategorialn\u0105 (zmienn\u0105, kt\u00f3ra mo\u017ce przyjmowa\u0107 tylko dwie warto\u015bci) a zmienn\u0105 ci\u0105g\u0142\u0105 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3594","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
Przyk\u0142ad: Obliczenie korelacji punktowo-dwseryjnej<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlation1.jpg\")
<\/p>\n #define values for gender\n<\/span>gender <- c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)\n\n#define values for score\n<\/span>score <- c(77, 78, 79, 79, 82, 84, 85, 88, 89, 91, 91, 94,\n 84, 84, 84, 85, 85, 86, 86, 86, 89, 91, 94, 98)\n\n#calculate point-biserial correlation\n<\/span>horn. test<\/span> (gender, score)\n\n\tPearson's product-moment correlation\n\ndata: gender and score\nt = 1.3739, df = 22, p-value = 0.1833\nalternative hypothesis: true correlation is not equal to 0\n95 percent confidence interval:\n -0.1379386 0.6147832\nsample estimates:\n horn \n0.2810996<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak obliczy\u0107 korelacj\u0119 punktowo-biseryjn\u0105 w R<\/a>
Jak obliczy\u0107 korelacj\u0119 punktowo-biseryjn\u0105 w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"