5 ตัวอย่างข้อมูลไบวาเรียตในชีวิตจริง

ข้อมูลไบวาเรียต หมายถึงชุดข้อมูลที่มีตัวแปรสองตัวพอดี

ข้อมูลประเภทนี้จะปรากฏในสถานการณ์จริงตลอดเวลา และโดยทั่วไปเราจะใช้วิธีการต่อไปนี้เพื่อวิเคราะห์ข้อมูลประเภทนี้:

• เมฆชี้
• ค่าสัมประสิทธิ์สหสัมพันธ์
• การถดถอยเชิงเส้นอย่างง่าย

ตัวอย่างต่อไปนี้แสดงสถานการณ์ต่างๆ ที่ข้อมูลไบวาเรียตปรากฏขึ้นในชีวิตจริง

ตัวอย่างที่ 1: ธุรกิจ

บริษัทต่างๆ มักจะรวบรวมข้อมูล bivariate เกี่ยวกับเงินทั้งหมดที่ใช้ในการโฆษณาและรายได้ทั้งหมด

ตัวอย่างเช่น บริษัทอาจรวบรวมข้อมูลต่อไปนี้สำหรับไตรมาสการขายติดต่อกัน 12 ไตรมาส:

นี่คือตัวอย่างของข้อมูลตัวแปรคู่เนื่องจากมีข้อมูลเกี่ยวกับตัวแปรสองตัวเท่านั้น: การใช้จ่ายด้านการโฆษณาและรายได้ทั้งหมด

บริษัทอาจตัดสินใจติดตั้ง แบบจำลองการถดถอยเชิงเส้นอย่างง่าย กับชุดข้อมูลนี้ และค้นหาแบบจำลองที่ติดตั้งต่อไปนี้:

รายได้รวม = 14,942.75 + 2.70* (ค่าโฆษณา)

ข้อมูลนี้บอกบริษัทว่าทุกๆ ดอลลาร์ที่ใช้จ่ายไปกับการโฆษณาเพิ่ม รายได้รวมจะเพิ่มขึ้นโดยเฉลี่ย 2.70 ดอลลาร์

ตัวอย่างที่ 2: การแพทย์

นักวิจัยทางการแพทย์มักจะรวบรวมข้อมูลไบวาเรียตเพื่อทำความเข้าใจความสัมพันธ์ระหว่างตัวแปรที่เกี่ยวข้องกับสุขภาพให้ดียิ่งขึ้น

ตัวอย่างเช่น นักวิจัยอาจรวบรวมข้อมูลอายุและอัตราการเต้นของหัวใจที่เหลืออยู่ต่อไปนี้จากคน 15 คน:

ผู้วิจัยจึงตัดสินใจคำนวณความสัมพันธ์ระหว่างตัวแปรทั้งสองได้ว่าจะเท่ากับ 0.812

สิ่งนี้บ่งชี้ว่ามีความสัมพันธ์เชิงบวกอย่างมากระหว่างตัวแปรทั้งสอง นั่นคือเมื่ออายุเพิ่มขึ้น อัตราการเต้นของหัวใจที่เหลืออยู่ก็มีแนวโน้มที่จะเพิ่มขึ้นอย่างคาดเดาได้เช่นกัน

ที่เกี่ยวข้อง: อะไรคือความสัมพันธ์ที่ “แข็งแกร่ง”?

ตัวอย่างที่ 3: นักวิชาการ

นักวิจัยมักจะรวบรวมข้อมูลไบวาเรียตเพื่อทำความเข้าใจว่าตัวแปรใดที่ส่งผลต่อประสิทธิภาพของนักศึกษา

ตัวอย่างเช่น นักวิจัยอาจรวบรวมข้อมูลเกี่ยวกับจำนวนชั่วโมงเรียนต่อสัปดาห์และเกรดเฉลี่ยที่สอดคล้องกันสำหรับนักเรียนในชั้นเรียนบางชั้นเรียน:

จากนั้นเธอสามารถสร้างแผนภูมิกระจายแบบง่ายๆ เพื่อให้เห็นภาพความสัมพันธ์ระหว่างตัวแปรทั้งสองนี้:

มีความสัมพันธ์เชิงบวกอย่างชัดเจนระหว่างตัวแปรทั้งสอง: เมื่อจำนวนชั่วโมงเรียนต่อสัปดาห์เพิ่มขึ้น เกรดเฉลี่ยของนักเรียนก็มีแนวโน้มที่จะเพิ่มขึ้นเช่นกัน

ตัวอย่างที่ 4: เศรษฐกิจ

นักเศรษฐศาสตร์มักจะรวบรวมข้อมูลตัวแปรสองตัวแปรเพื่อทำความเข้าใจความสัมพันธ์ระหว่างตัวแปรทางเศรษฐกิจและสังคมสองตัว

ตัวอย่างเช่น นักเศรษฐศาสตร์อาจรวบรวมข้อมูลเกี่ยวกับจำนวนปีการศึกษาทั้งหมดและรายได้รวมต่อปีของบุคคลในเมืองหนึ่งๆ:

จากนั้นเขาสามารถตัดสินใจปรับแบบจำลองการถดถอยเชิงเส้นอย่างง่ายดังต่อไปนี้:

รายได้ต่อปี = -45,353 + 7,120*(จำนวนปีการศึกษา)

สิ่งนี้บอกนักเศรษฐศาสตร์ว่าในแต่ละปีของการศึกษาเพิ่มเติม รายได้ต่อปีจะเพิ่มขึ้นโดยเฉลี่ย 7,120 ดอลลาร์

ตัวอย่างที่ 5: ชีววิทยา

นักชีววิทยามักรวบรวมข้อมูลไบวาเรียตเพื่อทำความเข้าใจว่าตัวแปรสองตัวมีความสัมพันธ์กันอย่างไรระหว่างพืชหรือสัตว์

ตัวอย่างเช่น นักชีววิทยาอาจรวบรวมข้อมูลปริมาณฝนทั้งหมดและจำนวนพืชทั้งหมดในภูมิภาคต่างๆ:

นักชีววิทยาจึงสามารถตัดสินใจคำนวณความสัมพันธ์ระหว่างตัวแปรทั้งสองและพบว่ามีค่าเท่ากับ 0.926

สิ่งนี้บ่งชี้ว่ามีความสัมพันธ์เชิงบวกอย่างมากระหว่างตัวแปรทั้งสอง

กล่าวคือ ปริมาณน้ำฝนที่สูงขึ้นมีความสัมพันธ์อย่างใกล้ชิดกับจำนวนพืชที่เพิ่มขึ้นในภูมิภาค

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับข้อมูลไบวาเรียตและวิธีการวิเคราะห์

ความรู้เบื้องต้นเกี่ยวกับการวิเคราะห์ไบวาเรียต
ความรู้เบื้องต้นเกี่ยวกับการวิเคราะห์ตัวแปรเดียว
ความรู้เบื้องต้นเกี่ยวกับสัมประสิทธิ์สหสัมพันธ์เพียร์สัน
รู้เบื้องต้นเกี่ยวกับการถดถอยเชิงเส้นอย่างง่าย