Phân tích tương quan Pearson: Những điều bạn cần biết

June 12, 2020
Spss


Một trong những bước vô cùng quan trọng khi bạn làm luận văn nghiên cứu sử dụng định lượng SPSS là phân tích tương quan Pearson. Trong tương quan chúng ta có 2 loại: Tương quan tuyến tính và Tương quan phi tuyến. Với Pearson, chúng ta sẽ xem xét sự tương quan tuyến tính giữa các cặp biến với nhau.

Những điều cần biết về phân tích tương quan Pearson
Những điều cần biết về phân tích tương quan Pearson

Hệ số tương quan Pearson là gì?

Có nhiều hệ số tương quan, hệ số tương quan thông dụng nhất: hệ số tương quan Pearson r.

Hệ số tương quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến. Về nguyên tắc, việc phân tích tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến.

Trong phân tích áp dụng cho luận văn, việc kiểm định hệ số tương quan Pearson là để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc

Hệ số tương quan Pearson (r) sẽ nhận giá trị từ +1 đến -1.  Điều kiện để tương quan có ý nghĩa là giá trị sig. <0.05

Tương quan Pearson r có giá trị dao động từ -1 đến 1:

  • Tương quan tuyến tính càng mạnh, càng chặt chẽ nếu r càng tiến về 1, -1. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
  • Tương quan tuyến tính càng yếu nếu r càng tiến về 0
  • Tương quan tuyến tính tuyệt đối nếu r =1, khi biểu diễn trên đồ thị phân tán Scatter như hình vẽ ở trên, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.
  • Không có mối tương quan tuyến tính nếu r = 0. Lúc này sẽ có 2 tình huống xảy ra. Một là, giữa chúng có mối liên hệ phi tuyến. Hai là, không có một mối liên hệ nào giữa 2 biến. 

Nếu quá khó khăn trong quá trình chạy spss bạn hay tham khảo và lựa chọn một trong các trung tâm cung cấp Dịch Vụ SPSS để được hỗ trợ nhiệt tình với giá cả tốt nhất.

Tương quan và tương quan Pearson

Những điều cần biết về phân tích tương quan Pearson
Tương quan và tương quan Pearson


Giữa 2 biến định lượng có nhiều dạng liên hệ, có thể là phi tuyến hoặc tuyến tính hoặc cũng có thể là không có bất kỳ một mối liên hệ nào.

– Thông thường người ta hay sử dụng một số thống kê có tên là hệ số tương quan Pearson (ký hiệu r) với mục đích để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa 2 biến định lượng (lưu ý rằng Pearson chỉ xét mối liên hệ tuyến tính, không đánh giá các mối liên hệ phi tuyến).

– Không có sự phân biệt vai trò giữa 2 biến trong phân tích tương quan Pearson, tương quan giữa.

Khi phân tích hồi quy bạn cần phải lưu ý ý đến vấn đề đa cộng tuyến. Các biến độc lập có tương quan với biến phụ thuộc và do đó sẽ được đưa vào mô hình để giải thích cho biến phụ thuộc.

Bạn cũng cần lưu ý thêm là khi phân tích tương quan Pearson thì chúng ta chỉ có thể đặt nghi vấn chứ không có bất kỳ một so sánh hay tính toán chính xác nào để chứng minh rằng giữa 2 biến độc lập có đa cộng tuyến xảy ra. Để chứng minh nghi vấn này chúng ta cần phải dựa vào hệ số VIF khi phân tích hồi quy.

Một số khái niệm trong bảng kết quả khi phân tích tương quan Pearson bạn cần biết:

- Hàng N hiển thị cỡ mẫu của tập dữ liệu. 

- Hàng (2-tailed) là sig kiểm định xem mối tương quan giữa 2 biến là có ý nghĩa hay không. Sig < 0.05, tương quan có ý nghĩa; sig ≥ 0.05, tương quan không có ý nghĩa. Cần xem xét sig trước, nếu sig < 0.05 mới nhận xét tới giá trị tương quan Pearson r.

- Hàng Pearson Correlation là giá trị r để xem xét sự tương thuận hay nghịch, mạnh hay yếu giữa 2 biến.

Trên đây Wiki Luận Văn đã chia sẻ đến bạn những nội dung quan trọng trong phân tích tương quan Pearson, hi vọng sẽ giúp ích nhiều cho bạn. Cảm ơn bạn đã đọc bài viết.

Anna PhạmAnna Phạm

Xin chào, tôi tên là Anna Phạm và tôi có kinh nghiệm 5 năm trong lĩnh vực giáo dục. Sau khi tốt nghiệp đại học Quốc gia Hà Nội, tôi đã bắt đầu công việc viết lách và chia sẻ kiến thức và kinh nghiệm về làm luận văn.

Bài viết liên quan

Đăng Ký Tư Vấn

Thank you! Your submission has been received!

Oops! Something went wrong while submitting the form