<\/p>\n
Wsp\u00f3\u0142czynnik korelacji<\/a> mi\u0119dzy dwiema zmiennymi mo\u017cna znale\u017a\u0107, bior\u0105c pierwiastek kwadratowy z warto\u015bci R do kwadratu (R 2<\/sup> ) z prostego modelu regresji liniowej.<\/span><\/p>\n Wsp\u00f3\u0142czynnik korelacji = \u221a R 2<\/sup> prostego modelu regresji liniowej<\/span><\/span><\/p>\n Znak wsp\u00f3\u0142czynnika nachylenia w modelu regresji informuje, czy wsp\u00f3\u0142czynnik korelacji jest dodatni czy ujemny.<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce znale\u017a\u0107 wsp\u00f3\u0142czynnik korelacji na podstawie warto\u015bci R kwadratu modelu regresji.<\/span><\/p>\n Uwaga<\/strong> : Warto\u015b\u0107 R-kwadrat modelu regresji nazywana jest tak\u017ce wsp\u00f3\u0142czynnikiem determinacji.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce dopasowujemy prosty model regresji liniowej, wykorzystuj\u0105c przestudiowane godziny<\/strong> jako zmienn\u0105 predykcyjn\u0105 i wyniki egzamin\u00f3w<\/strong> jako zmienn\u0105 odpowiedzi.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce otrzymamy nast\u0119puj\u0105ce dane wyj\u015bciowe z modelu:<\/span><\/p>\n Skorygowane r\u00f3wnanie regresji<\/strong> : wynik egzaminu = 65,55 + 2,78 (godziny nauki)<\/span><\/p>\n R-kwadrat ( R2<\/sup> ) modelu regresji<\/strong> : 0,7845<\/span><\/p>\n Warto\u015b\u0107 R-kwadrat modelu m\u00f3wi nam, jaki procent zmienno\u015bci wynik\u00f3w egzamin\u00f3w mo\u017cna wyja\u015bni\u0107 liczb\u0105 godzin nauki.<\/span><\/p>\n W tym przyk\u0142adzie widzimy, \u017ce przestudiowane godziny s\u0105 w stanie wyja\u015bni\u0107 78,45% r\u00f3\u017cnic w wynikach egzamin\u00f3w.<\/span><\/p>\n Aby znale\u017a\u0107 wsp\u00f3\u0142czynnik korelacji mi\u0119dzy przestudiowanymi godzinami a wynikami egzamin\u00f3w, mo\u017cemy wzi\u0105\u0107 pierwiastek kwadratowy z R 2<\/sup> :<\/span><\/p>\n Wsp\u00f3\u0142czynnik korelacji = \u221a R 2<\/sup><\/span> = \u221a 0,7845<\/span> = 0,8857<\/strong><\/span><\/p>\n Znak jest dodatni dla godzin badanych w r\u00f3wnaniu regresji, wsp\u00f3\u0142czynnik korelacji jest dodatni.<\/span><\/p>\n Zatem wsp\u00f3\u0142czynnik korelacji mi\u0119dzy przestudiowanymi godzinami a wynikiem egzaminu wynosi 0,8857<\/strong> .<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce dopasowujemy prosty model regresji liniowej, wykorzystuj\u0105c wiek<\/strong> (w latach) jako zmienn\u0105 predykcyjn\u0105 i maksymalne wyciskanie na \u0142awce<\/strong> (w funtach) jako zmienn\u0105 odpowiedzi.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce otrzymamy nast\u0119puj\u0105ce dane wyj\u015bciowe z modelu:<\/span><\/p>\n Skorygowane r\u00f3wnanie regresji<\/strong> : maksymalne wyciskanie na \u0142awce = 240,11 \u2013 1,24 (wiek)<\/span><\/p>\n Rkwadrat ( R2<\/sup> ) modelu regresji<\/strong> : 0,4773<\/span><\/p>\n Warto\u015b\u0107 R-kwadrat modelu m\u00f3wi nam, jaki procent zmienno\u015bci szczytowych funt\u00f3w w wyciskaniu na \u0142awce mo\u017cna wyt\u0142umaczy\u0107 wiekiem.<\/span><\/p>\n W tym przyk\u0142adzie widzimy, \u017ce wiek jest w stanie wyja\u015bni\u0107 47,73% zmienno\u015bci maksymalnej ilo\u015bci wyciskania na \u0142awce.<\/span><\/p>\n Aby znale\u017a\u0107 wsp\u00f3\u0142czynnik korelacji mi\u0119dzy wiekiem a maksymalnym wyciskaniem na \u0142awce, mo\u017cemy wzi\u0105\u0107 pierwiastek kwadratowy z R 2<\/sup> :<\/span><\/p>\n Wsp\u00f3\u0142czynnik korelacji = \u221a R 2<\/sup><\/span> = \u221a 0,4773<\/span> = 0,6909<\/strong><\/span><\/p>\n Poniewa\u017c znak wieku w r\u00f3wnaniu regresji jest ujemny, wsp\u00f3\u0142czynnik korelacji jest ujemny.<\/span><\/p>\n Zatem wsp\u00f3\u0142czynnik korelacji mi\u0119dzy wiekiem a maksymalnym wyciskaniem na \u0142awce wynosi -0,6909<\/strong> .<\/span><\/p>\n Poni\u017csze samouczki zawieraj\u0105 dodatkowe informacje na temat wsp\u00f3\u0142czynnik\u00f3w korelacji:<\/span><\/p>\n Co uwa\u017ca si\u0119 za \u201esiln\u0105\u201d korelacj\u0119?<\/a> Wsp\u00f3\u0142czynnik korelacji mi\u0119dzy dwiema zmiennymi mo\u017cna znale\u017a\u0107, bior\u0105c pierwiastek kwadratowy z warto\u015bci R do kwadratu (R 2 ) z prostego modelu regresji liniowej. Wsp\u00f3\u0142czynnik korelacji = \u221a R 2 prostego modelu regresji liniowej Znak wsp\u00f3\u0142czynnika nachylenia w modelu regresji informuje, czy wsp\u00f3\u0142czynnik korelacji jest dodatni czy ujemny. Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce znale\u017a\u0107 wsp\u00f3\u0142czynnik […]<\/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-4601","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad 1: Znajdowanie wsp\u00f3\u0142czynnika korelacji na podstawie R 2<\/sup> (gdy nachylenie jest dodatnie)<\/strong><\/span><\/h2>\n
Przyk\u0142ad 2: Znajdowanie wsp\u00f3\u0142czynnika korelacji na podstawie R 2<\/sup> (gdy nachylenie jest ujemne)<\/strong><\/span><\/h2>\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Kiedy warto zastosowa\u0107 korelacj\u0119?<\/a>
Jak wykona\u0107 test t korelacji<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"