ما هو تحليل الارتباط؟ التعريف والاستكشاف

ما هو تحليل الارتباط؟ التعريف والاستكشاف

ليل الارتباط هو موضوع قد يتذكره عدد قليل من الناس من دروس الإحصاء في المدرسة ، لكن غالبية المتخصصين في مجال الرؤى سيعرفون على أنه عنصر أساسي في تحليلات البيانات. ومع ذلك ، كثيرًا ما يُساء فهم الارتباطات وإساءة استخدامها ، حتى في صناعة الرؤى لعدد من الأسباب. إذن ، هذا دليل مفيد لأساسيات تحليل الارتباط ، مع بعض الروابط على طول الطريق.  

تعريف تحليل الارتباط

تحليل الارتباط هو طريقة إحصائية تُستخدم لاكتشاف ما إذا كانت هناك علاقة بين متغيرين / مجموعتي بيانات ، ومدى قوة هذه العلاقة.

من حيث أبحاث السوق ، هذا يعني أنه يتم استخدام تحليل الارتباط لتحليل البيانات الكمية التي تم جمعها من طرق البحث مثل الاستطلاعات واستطلاعات الرأي ، لتحديد ما إذا كانت هناك أي روابط أو أنماط أو اتجاهات مهمة بين الاثنين.

بشكل أساسي ، يتم استخدام تحليل الارتباط لتحديد الأنماط داخل مجموعات البيانات. تعني نتيجة الارتباط الإيجابية أن كلا المتغيرين يزدادان بالنسبة لبعضهما البعض ، بينما يعني الارتباط السلبي أنه مع انخفاض أحد المتغيرات ، يزداد الآخر.

معاملات الارتباط

عادة ما توجد ثلاث طرق مختلفة لترتيب الارتباط الإحصائي وفقًا لـ Spearman و Kendall و Pearson. سيمثل كل معامل النتيجة النهائية كـ " r". رتبة سبيرمان ومعامل بيرسون هما الصيغتان التحليليتان الأكثر استخدامًا اعتمادًا على أنواع البيانات التي يتعين على الباحثين تسليمها:

معامل ارتباط رتبة سبيرمان

يتم استخدام هذا المعامل لمعرفة ما إذا كانت هناك أي علاقة مهمة بين مجموعتي البيانات ، ويعمل وفقًا لافتراض أن البيانات المستخدمة ترتيبية ، مما يعني هنا أن الأرقام لا تشير إلى الكمية ، ولكنها تشير إلى موضع مكان هذا الموضوع في مكانة (على سبيل المثال 1 ^ش ، 2 ^{الثانية} ، 3 ^{الثالثة} ، الخ)

يتطلب هذا المعامل جدول بيانات يعرض البيانات الأولية وتصنيفها والاختلاف بين الرتبتين. سيتم عرض هذا الاختلاف التربيعي بين الرتبتين على رسم بياني مبعثر ، والذي سيشير بوضوح إلى ما إذا كان هناك ارتباط موجب ، أو ارتباط سلبي ، أو عدم وجود ارتباط على الإطلاق بين المتغيرين. القيد الذي يعمل تحته هذا المعامل هو -1 ≤ r ≤ +1 ، حيث تعني النتيجة 0 أنه لا توجد علاقة بين البيانات على الإطلاق. لمزيد من المعلومات حول معامل ارتباط الرتبة لسبيرمان ، هناك مستند رائع يشرح العملية هنا .

معامل بيرسون لحظية المنتج

هذه هي صيغة تحليل الارتباط الأكثر استخدامًا ، والتي تقيس قوة العلاقات " الخطية " بين البيانات الأولية من كلا المتغيرين ، بدلاً من رتبهما. هذا معامل بلا أبعاد ، مما يعني أنه لا توجد حدود متعلقة بالبيانات يجب أخذها في الاعتبار عند إجراء التحليلات بهذه الصيغة ، وهذا هو سبب أن هذا المعامل هو الصيغة الأولى التي يجربها الباحثون.

ومع ذلك ، إذا كانت العلاقة بين البيانات ليست خطية ، فعندئذ يكون هذا المعامل المحدد لا يمثل بدقة العلاقة بين المتغيرين ، وعندما يجب تنفيذ رتبة سبيرمان بدلاً من ذلك. يتطلب معامل بيرسون إدخال البيانات ذات الصلة في جدول مشابه لجدول رتبة سبيرمان ولكن بدون الرتب ، وستكون النتيجة الناتجة بالصيغة الرقمية التي تنتجها جميع معاملات الارتباط ، بما في ذلك رتبة سبيرمان ومعامل بيرسون: -1 ≤ ص ≤ +1.

متى يجب استخدام

يتم استخدام الطريقتين المذكورتين أعلاه وفقًا لما إذا كانت هناك معلمات مرتبطة بالبيانات التي تم جمعها. المصطلحان اللذان يجب الانتباه لهما هما:

·        البارامترية: (معامل بيرسون) حيث يجب معالجة البيانات فيما يتعلق بمعلمات السكان أو التوزيعات الاحتمالية. تُستخدم عادةً مع البيانات الكمية المحددة بالفعل ضمن المعلمات المذكورة.

·        اللامعلمية: (رتبة سبيرمان) حيث لا يمكن عمل افتراضات حول توزيع الاحتمالات. تُستخدم عادةً مع البيانات النوعية ، ولكن يمكن استخدامها مع البيانات الكمية إذا ثبت أن رتبة سبيرمان غير كافية.

في الحالات التي يكون فيها كلاهما قابلاً للتطبيق ، يوصي الإحصائيون باستخدام الطرق البارامترية مثل معامل بيرسون ، لأنها تميل إلى أن تكون أكثر دقة. لكن هذا لا يعني استبعاد الطرق غير المعلمية إذا لم تكن هناك بيانات كافية أو كانت هناك حاجة إلى نتيجة دقيقة أكثر تحديدًا.

تفسير النتائج

عادةً ما تكون أفضل طريقة للحصول على تفسير عام ولكن فوري لنتائج مجموعة من البيانات ، هو تصورها على رسم بياني مبعثر مثل:

ترابط ايجابى

أي درجة من +0.5 إلى +1 تشير إلى وجود علاقة إيجابية قوية للغاية ، مما يعني أن كلاهما يزيد في نفس الوقت. الخط الأفضل ملاءمة ، أو خط الاتجاه ، هو الأماكن التي تقدم أفضل تمثيل للبيانات على الرسم البياني. في هذه الحالة ، يتم اتباع نقاط البيانات لأعلى للإشارة إلى الارتباط الإيجابي.  

علاقة سلبية

أي درجة من -0.5 إلى -1 تشير إلى ارتباط سلبي قوي ، مما يعني أنه كلما زاد أحد المتغيرات ، يتناقص الآخر بشكل متناسب. يمكن رؤية الخط الأنسب هنا للإشارة إلى الارتباط السلبي. في هذه الحالات ، سوف ينحدر من نقطة الأصل.

لا علاقة

بكل بساطة ، تشير الدرجة صفر إلى أنه لا يوجد ارتباط أو علاقة بين المتغيرين ، فكلما زاد حجم العينة ، زادت دقة النتيجة. بغض النظر عن الصيغة المستخدمة ، ستظل هذه الحقيقة صحيحة للجميع. كلما زادت البيانات الموجودة في الصيغة ، كلما كانت النتيجة النهائية أكثر دقة.

يجب مراعاة القيم المتطرفة أو الشذوذ في كل من معاملات الارتباط. يعد استخدام الرسم البياني المبعثر أسهل طريقة لتحديد أي حالات شاذة قد تكون حدثت ، كما أن إجراء تحليل الارتباط مرتين (مع وبدون حالات شاذة) يعد طريقة رائعة لتقييم قوة تأثير الانحرافات على التحليل. في حالة وجود حالات شاذة ، يمكن استخدام معامل رتبة سبيرمان بدلاً من معامل بيرسون ، لأن هذه الصيغة قوية للغاية ضد الانحرافات بسبب نظام التصنيف المستخدم.

لطلب تحليل احصائي التواصل عبر الواتسب اضغط هنا