اندازه ارتباط

در حالی که تمام تلاش برای پیروی از قوانین سبک استناد شده است ، ممکن است اختلافاتی وجود داشته باشد. در صورت داشتن هرگونه سؤال ، لطفاً به کتابچه راهنمای مناسب یا منابع دیگر مراجعه کنید.

ویراستاران ما آنچه را که ارسال کرده اید بررسی می کنند و تعیین می کنند که آیا مقاله را تجدید نظر کنید.

در حالی که تمام تلاش برای پیروی از قوانین سبک استناد شده است ، ممکن است اختلافاتی وجود داشته باشد. در صورت داشتن هرگونه سؤال ، لطفاً به کتابچه راهنمای مناسب یا منابع دیگر مراجعه کنید.

خلاصه ای از این موضوع را بخوانید

اندازه گیری ارتباط ، در آمار ، هر یک از عوامل یا ضرایب مختلف برای تعیین کمیت رابطه بین دو یا چند متغیر مورد استفاده قرار می گیرد. از اقدامات ارتباط در زمینه های مختلف تحقیق استفاده می شود اما به ویژه در زمینه های اپیدمیولوژی و روانشناسی رایج است ، جایی که اغلب از آنها برای تعیین کمیت روابط بین قرار گرفتن در معرض و بیماری ها یا رفتارها استفاده می شود.

اندازه گیری ارتباط ممکن است توسط هر یک از چندین تجزیه و تحلیل مختلف ، از جمله تجزیه و تحلیل همبستگی و تجزیه و تحلیل رگرسیون تعیین شود.(اگرچه اصطلاحات همبستگی و ارتباط اغلب به صورت متناوب مورد استفاده قرار می گیرند ، همبستگی به معنای دقیق تر به همبستگی خطی اشاره دارد ، و ارتباط به هرگونه رابطه بین متغیرها اشاره دارد.) روش مورد استفاده برای تعیین قدرت یک ارتباط به ویژگی های داده ها بستگی داردهر متغیرداده ها ممکن است در مقیاس فاصله/نسبت ، مقیاس مرتبه/رتبه یا مقیاس اسمی/طبقه بندی اندازه گیری شوند. این سه ویژگی را می توان به ترتیب به عنوان مقولات مداوم ، عدد صحیح و کیفی تصور کرد.

روشهای تجزیه و تحلیل

ضریب همبستگی پیرسون

یک مثال معمولی برای تعیین کمیت ارتباط بین دو متغیر اندازه گیری شده در مقیاس فاصله/نسبت ، تجزیه و تحلیل رابطه بین قد و وزن فرد است. هر یک از این دو متغیر مشخصه در مقیاس مداوم اندازه گیری می شود. اندازه گیری مناسب برای این وضعیت ضریب همبستگی پیرسون ، R (RHO) است که قدرت رابطه خطی بین دو متغیر را در مقیاس مداوم اندازه گیری می کند. ضریب R مقادیر 1 تا 1 تا 1 را به خود اختصاص می دهد. مقادیر 1 یا 1 +1 رابطه خطی کامل بین دو متغیر را نشان می دهد ، در حالی که یک مقدار 0 نشانگر رابطه خطی نیست.(مقادیر منفی به سادگی جهت ارتباط را نشان می دهند ، به موجب آن با افزایش یک متغیر ، دیگری کاهش می یابد.) ضرایب همبستگی که از 0 متفاوت است اما 1 یا 1 +1 نشان دهنده یک رابطه خطی نیستند ، اگرچه یک رابطه خطی کامل نیست. در عمل ، ρ (ضریب همبستگی جمعیت) توسط R تخمین زده می شود ، که ضریب همبستگی حاصل از داده های نمونه است.

اگرچه ضریب همبستگی پیرسون اندازه گیری قدرت یک ارتباط (به طور خاص رابطه خطی) است ، اما اندازه گیری اهمیت ارتباط نیست. اهمیت یک ارتباط یک تجزیه و تحلیل جداگانه از ضریب همبستگی نمونه ، R ، با استفاده از آزمون t برای اندازه گیری تفاوت بین R مشاهده شده و R مورد انتظار تحت فرضیه تهی است.

ضریب همبستگی مرتبه اسپیرمن

ضریب همبستگی مرتبه Spearman (Spearman RHO) برای اندازه گیری قدرت یک ارتباط یکنواخت (در یک جهت ثابت) بین دو متغیر اندازه گیری شده در مقیاس معمولی یا رتبه بندی شده طراحی شده است. داده هایی که ناشی از رتبه بندی و داده های جمع آوری شده در مقیاس است که از نظر ماهیت واقعاً فاصله ندارند (به عنوان مثال ، داده های به دست آمده از مدیریت مقیاس لیکرت) در معرض تجزیه و تحلیل همبستگی Spearman قرار دارند. علاوه بر این ، هر داده فاصله ممکن است به رده ها تبدیل شود و با Spearman Rho تجزیه و تحلیل شود ، اگرچه این منجر به از بین رفتن اطلاعات می شود. با این وجود ، این روش ممکن است مورد استفاده قرار گیرد ، به عنوان مثال ، اگر یک متغیر مورد علاقه در مقیاس بازه ای اندازه گیری شود و دیگری در مقیاس معمولی اندازه گیری شود. مشابه ضریب همبستگی پیرسون ، Spearman Rho ممکن است به دلیل اهمیت آن آزمایش شود. اندازه گیری مشابهی از استحکام ارتباط ، کندال تاو است که همچنین ممکن است برای اندازه گیری قدرت یک ارتباط یکنواخت بین دو متغیر اندازه گیری شده در مقیاس نظم یا رتبه بندی شده نیز استفاده شود.

به عنوان نمونه ای از اینکه Spearman Rho مناسب است ، این مورد را در نظر بگیرید که هفت تهدید بهداشتی قابل توجهی برای یک جامعه وجود دارد. مقامات بهداشتی مایل به تعیین سلسله مراتب تهدیدها به منظور استقرار کارآمدترین منابع خود هستند. آنها از دو اپیدمیولوژیست معتبر می خواهند که هفت تهدید را از 1 تا 7 رتبه بندی کنند ، جایی که 1 مهمترین تهدید است. Spearman Rho یا Kendall Tau ممکن است برای اندازه گیری میزان ارتباط بین رتبه بندی اپیدمیولوژیست ها محاسبه شود ، از این طریق نشان دهنده قدرت جمعی یک برنامه عملی بالقوه است. اگر بین دو مجموعه از رده ها ارتباط معنی داری وجود داشته باشد ، مقامات بهداشتی ممکن است در استراتژی خود اطمینان بیشتری داشته باشند تا اینکه یک ارتباط مهم مشهود باشد.

آزمون Chi-Square

آزمون مجذور کای برای انجمن (احتمالی) یک معیار استاندارد برای ارتباط بین دو متغیر طبقه بندی شده است. آزمایش مجذور کای ، برخلاف ضریب همبستگی پیرسون یا Spearman Rho ، اندازه گیری اهمیت انجمن است نه اندازه گیری قدرت انجمن.

یک مثال ساده و عمومی به شرح زیر است. اگر دانشمندان در حال مطالعه رابطه بین جنسیت و حزب سیاسی بودند ، می توانستند افراد را از یک نمونه تصادفی متعلق به ترکیبات مختلف حساب کنند: زن-دموکرات ، زن و مرد ، مرد-دموکرات و مرد جانشین. دانشمندان سپس می توانند یک آزمایش مجذور کای را انجام دهند تا مشخص کنند که آیا عضویت نامتناسب قابل توجهی در بین این گروه ها وجود دارد ، که نشانگر ارتباط بین جنسیت و حزب سیاسی است.

خطر نسبی و نسبت شانس

به طور خاص در اپیدمیولوژی ، چندین اقدام دیگر از ارتباط بین متغیرهای طبقه بندی شده استفاده می شود ، از جمله خطر نسبی و نسبت شانس. ریسک نسبی به طور مناسب برای داده های طبقه بندی شده از یک مطالعه کوهورت اپیدمیولوژیک اعمال می شود. این قدرت یک ارتباط را با در نظر گرفتن بروز یک رویداد در یک گروه قابل شناسایی (شمارنده) و مقایسه آن با بروز در یک گروه پایه (مخرج) اندازه گیری می کند. خطر نسبی 1 نشانگر هیچ ارتباطی نیست ، در حالی که خطر نسبی غیر از 1 نشانگر ارتباط است.

به عنوان نمونه ، فرض کنید 10 از 1000 نفر در معرض فاکتور X سرطان کبد ایجاد کرده اند ، در حالی که تنها 2 نفر از 1000 نفر که هرگز در معرض X قرار نگرفته اند ، سرطان کبد ایجاد کرده اند. در این حالت ، خطر نسبی (10/1000)/(2/1000) = 5 است. بنابراین ، قدرت ارتباط 5 است ، یا به روش دیگری تفسیر می شود ، افراد در معرض X پنج برابر بیشتر احتمال دارندسرطان کبد از افرادی که در معرض X قرار نگرفته اند.-دول ، نشان می دهد که X اثر محافظتی دارد. متغیرهای طبقه بندی در معرض X (بله یا خیر) و نتیجه سرطان کبد (بله یا خیر) قرار دارند. این محاسبه خطر نسبی ، با این حال ، برای اهمیت آماری آزمایش نمی کند. با محاسبه فاصله اطمینان 95 ٪ ممکن است به سؤالات اهمیت پاسخ داده شود. اگر فاصله اطمینان شامل 1 نباشد ، رابطه قابل توجه در نظر گرفته می شود.

به طور مشابه ، نسبت شانس یک اندازه گیری مناسب از قدرت ارتباط برای داده های طبقه بندی شده از یک مطالعه مورد کنترل است. نسبت شانس اغلب به همان روشی تعبیر می شود که خطر نسبی هنگام اندازه گیری قدرت ارتباط تفسیر می شود ، اگرچه این امر تا حدودی بحث برانگیز است وقتی که عامل خطر مورد مطالعه مشترک است.