コンテンツ
統計ではさまざまな種類の相関関係を使用して、変数の相互関係を測定します。たとえば、高校のクラスランクと大学のGPAの2つの変数を使用することにより、観察者は、平均以上の高校のランクを持つ学生が通常、平均以上の大学のGPAを達成するという相関関係を引き出すことができます。相関は、関係の強さ、および変数間の相関が正か負かを測定します。実行される相関のタイプは、変数が非数値であるか、温度などの間隔データであるかによって異なります。
ピアソンの製品モーメント相関
Pearson Product Moment Correlationは、数学統計学分野の創設者であるKarl Pearsonにちなんで命名されました。これは単純な線形相関と見なされます。つまり、2つの変数間の関係は、それらが一定であることに依存します。ピアソンは、方程式の文字rで表される相関の強さを測定するために間隔データとともに使用されます。この相関は、関係が正か負かを示します。 +1と-1の間の数値で表されます。 rの値が-1.00または+1.00に近づくほど、相関が強くなります。 rの値が0に近づくほど、相関は弱くなります。たとえば、rが-.90または.90に等しい場合、-。09または.09よりも強い関係を示します。
スピアマンの順位相関
スピアマンの順位相関は、統計学者のチャールズ・エドワード・スピアマンにちなんで命名されました。スピアマンの方程式はより単純で、ピアソンの代わりに統計でよく使用されますが、決定的ではありません。社会科学者は、スピアマンを使用して、民族や性別などの定性データと、犯した犯罪の数などの定量データとの相関関係を記述することもできます。相関は、後で受け入れられるか拒否される帰無仮説を使用して計算されます。帰無仮説は通常、答えられる質問で構成されます。たとえば、犯された犯罪の数が男性と女性で同じかどうか。
ケンドールランク相関
英国の統計学者モーリスケンドールにちなんで名付けられたケンドールランク相関は、2つのランダム変数のセット間の依存性の強さを測定します。ケンダルは、スピアマンの相関が帰無仮説を棄却した場合のさらなる統計分析に使用できます。一方の変数の値が減少し、もう一方の変数の値が増加すると、相関が得られます。この相関は不一致ペアと呼ばれます。相関関係は、両方の変数が同時に増加したときにも発生する可能性があり、一致ペアと呼ばれます。