วิธีการคำนวณความสัมพันธ์แบบโพลีคอริกใน r

ความสัมพันธ์แบบโพลีคอริก ใช้ในการคำนวณความสัมพันธ์ระหว่างตัวแปรลำดับ

โปรดจำไว้ว่าตัวแปรลำดับคือตัวแปรที่มีค่าที่เป็นไปได้เป็นหมวดหมู่และมีลำดับที่เป็นธรรมชาติ

ต่อไปนี้คือตัวอย่างบางส่วนของตัวแปรที่วัดในระดับลำดับ:

• ความพึงพอใจ : ไม่พอใจมาก ไม่พอใจ เป็นกลาง พอใจ พอใจมาก
• ระดับรายได้ : รายได้ต่ำ รายได้ปานกลาง รายได้สูง
• สถานะตำแหน่งงาน : นักวิเคราะห์รายการ, นักวิเคราะห์ I, นักวิเคราะห์ II, นักวิเคราะห์อาวุโส
• ระดับความเจ็บปวด : ต่ำ, ปานกลาง, สูง

ค่าของความสัมพันธ์แบบโพลีคอริกจะแตกต่างกันไปตั้งแต่ -1 ถึง 1 โดยที่:

• -1 บ่งชี้ถึงความสัมพันธ์เชิงลบที่สมบูรณ์แบบ
• 0 แสดงว่าไม่มีความสัมพันธ์กัน
• 1 บ่งชี้ถึงความสัมพันธ์เชิงบวกที่สมบูรณ์แบบ

เราสามารถใช้ฟังก์ชัน polychor(x, y) จากแพ็คเกจ polycor เพื่อคำนวณความสัมพันธ์แบบ polychoric ระหว่างตัวแปรลำดับสองตัวใน R

ตัวอย่างต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้ในทางปฏิบัติ

ตัวอย่างที่ 1: คำนวณความสัมพันธ์แบบ Polychoric สำหรับการจัดอันดับภาพยนตร์

สมมติว่าคุณต้องการทราบว่าหน่วยงานจัดอันดับภาพยนตร์สองแห่งมีความสัมพันธ์กันสูงระหว่างการจัดเรตภาพยนตร์ของตนหรือไม่

เราขอให้แต่ละหน่วยงานให้คะแนนภาพยนตร์ 20 เรื่องที่แตกต่างกันในระดับ 1 ถึง 3 โดยที่:

• 1 หมายถึง “ไม่ดี”
• 2 หมายถึง “ยากจน”
• 3 หมายถึง “ดี”

เราสามารถใช้โค้ดต่อไปนี้ใน R เพื่อคำนวณความสัมพันธ์แบบโพลีคอริกระหว่างการจัดอันดับของทั้งสองเอเจนซี่:

 library (polycor)

#define movie ratings for each agency
agency1 <- c(1, 1, 2, 2, 3, 2, 2, 3, 2, 3, 3, 2, 1, 2, 2, 1, 1, 1, 2, 2)
agency2 <- c(1, 1, 2, 1, 3, 3, 3, 2, 2, 3, 3, 3, 2, 2, 2, 1, 2, 1, 3, 3)

#calculate polychoric correlation between ratings
polychor(agency1, agency2)

[1] 0.7828328

ความสัมพันธ์แบบโพลีคอริกกลายเป็น 0.78 .

ค่านี้ค่อนข้างสูง ซึ่งบ่งชี้ว่าอันดับเครดิตของแต่ละเอเจนซี่มีความสัมพันธ์เชิงบวกอย่างมาก

ตัวอย่างที่ 2: คำนวณความสัมพันธ์แบบหลายคอริกสำหรับการรีวิวร้านอาหาร

สมมติว่าคุณต้องการทราบว่าร้านอาหารในละแวกใกล้เคียงสองแห่งมีความสัมพันธ์กันระหว่างการให้คะแนนโดยลูกค้าของร้านอาหารของตนหรือไม่

เราสุ่มสำรวจลูกค้า 20 รายที่ได้รับประทานอาหารที่ร้านอาหารทั้งสองแห่ง และขอให้พวกเขาให้คะแนนความพึงพอใจโดยรวมในระดับ 1 ถึง 5 โดยที่:

• 1 หมายถึง “ไม่พอใจอย่างมาก”
• 2 หมายถึง “ไม่พอใจ”
• 3 หมายถึง “เป็นกลาง”
• 4 หมายถึง “พอใจ”
• 5 หมายถึง “พอใจมาก”

เราสามารถใช้โค้ดต่อไปนี้ใน R เพื่อคำนวณความสัมพันธ์แบบโพลีคอริกระหว่างการให้คะแนนของร้านอาหารทั้งสองแห่ง:

 library (polycor)

#define ratings for each restaurant
restaurant1 <- c(1, 1, 2, 2, 2, 3, 3, 3, 2, 2, 3, 4, 4, 5, 5, 4, 3, 4, 5, 5)
restaurant2 <- c(4, 3, 3, 4, 3, 3, 4, 5, 4, 4, 4, 5, 5, 4, 2, 1, 1, 2, 1, 4)

#calculate polychoric correlation between ratings
polychor(restaurant1, restaurant2)

[1] -0.1322774

ความสัมพันธ์แบบโพลีคอริกกลายเป็น -0.13 .

ค่านี้ใกล้กับศูนย์ ซึ่งบ่งชี้ว่าคะแนนร้านอาหารมีความสัมพันธ์กันน้อยมาก (ถ้ามี)

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้อธิบายวิธีคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ทั่วไปอื่นๆ ใน R:

วิธีการคำนวณความสัมพันธ์ของอันดับ Spearman ใน R
วิธีการคำนวณความสัมพันธ์แบบพอยต์-ไบซีเรียลใน R
วิธีการคำนวณความสัมพันธ์ข้ามใน R
วิธีการคำนวณความสัมพันธ์แบบเลื่อนใน R
วิธีการคำนวณความสัมพันธ์บางส่วนใน R