सहसंबंध गुणांक है ... : अर्थ, सूत्र और इसका उपयोग करने के उदाहरण

साझा करें:

योग्याकारा - सहसंबंध गुणांक सांख्यिकी विज्ञान में एक महत्वपूर्ण अवधारणा है जिसका उपयोग दो या दो से अधिक चर के बीच संबंध को मापने के लिए किया जाता है। इस विश्लेषण के माध्यम से, शोधकर्ता यह जान सकते हैं कि एक चर और दूसरे चर के बीच संबंध कितना मजबूत है।

उदाहरण के लिए, क्या छात्रों की इंडोनेशियाई भाषा मूल्य उनकी संचार क्षमता के स्तर से संबंधित है। अधिक स्पष्ट रूप से, सहसंबंध गुणांक की अवधारणा, विशेष रूप से पियर्सन विधि के साथ गणना के लिए सूत्र, और सरल मामलों में इसके आवेदन पर चर्चा की जाएगी।

सहसंबंध गुणांक की परिभाषा और सूत्र

सरलता से, सहसंबंध गुणांक एक सांख्यिकीय सहायता उपकरण है जिसका उपयोग दो चर के बीच संबंध जानने के लिए किया जाता है। इसका उद्देश्य एक चर के दूसरे चर के साथ संबंध या घनिष्ठता की डिग्री को मापना है।

व्यवहार में, यह विधि अर्थशास्त्र, शिक्षा और सामाजिक विज्ञान जैसे विभिन्न क्षेत्रों में बहुत उपयोगी है। सहसंबंध को मापने में सबसे लोकप्रिय तरीकों में से एक पियर्सन सहसंबंध है।

यह विधि मूल्य को संशोधित किए बिना मूल डेटा का उपयोग करके गणना की आसानी के कारण मांग की जाती है। अंतिम परिणाम अंतराल या अनुपात के रूप में संबंध दिखाएगा, जिसे मात्रात्मक रूप से आसानी से समझा जा सकता है।

विवरण:

= x और y के बीच सहसंबंध

n = नमूने की संख्या

= x के मूल्य के लिए i

= y के i-वें मान

उपरोक्त पियरसन सहसंबंध सूत्र में, यदि r मान शून्य के करीब है, तो यह निष्कर्ष निकाला जा सकता है कि चर के बीच संबंध नकारात्मक (-) या महत्वपूर्ण नहीं है। सहसंबंध परिणाम की व्याख्या को समझने के लिए, निम्नलिखित सामान्य मानदंड लागू होते हैं:

0: दो चर के बीच कोई सहसंबंध नहीं> 0 - 0.25: बहुत कम सहसंबंध> 0.25 - 0.5: पर्याप्त सहसंबंध> 0.5 - 0.75: मजबूत सहसंबंध> 0.75 - 0.99: बहुत मजबूत सहसंबंध1: सही संबंध सहसंबंध सकारात्मक-1: सही संबंध सहसंबंध नकारात्मक

इस बीच, एक्स चर (स्वतंत्र चर) एक कारक के रूप में कार्य करता है जो चर Y (बाध्य चर) में परिवर्तन की भविष्यवाणी करता है। दोनों चर के बीच तार्किक संबंध मुख्य कुंजी है ताकि विश्लेषण के परिणाम वैध और सार्थक बने रहें।

यदि उपयोग किए जाने वाले डेटा में कोई तार्किक संबंध नहीं है या अलग समूह से आता है, तो सहसंबंध का परिणाम महत्वपूर्ण नहीं हो सकता है। इसलिए, शोधकर्ताओं के लिए यह सुनिश्चित करना महत्वपूर्ण है कि उपयोग किए जाने वाले चर में उचित संबंध है।

सूत्र को समझने के बाद, अगला कदम यह देखना है कि कैसे सहसंबंध गुणांक का उपयोग अध्ययन के मामले के माध्यम से किया जाता है। उदाहरण के लिए, अमेरिकी डॉलर (X) की कीमत और 24 कैरेट सोने (Y) की कीमत के बीच संबंध का विश्लेषण किया जा सकता है ताकि दोनों के बीच सहसंबंध का पता लगाया जा सके।

मान लीजिए कि एक निश्चित अवधि में, डेटा से पता चलता है कि डॉलर के विनिमय दर और सोने की कीमतों में समान दिशा है। दोनों एक-दूसरे के साथ बढ़ते हैं। इसका मतलब है कि जब डॉलर बढ़ता है, तो सोने की कीमत भी बढ़ने की संभावना होती है, इसलिए दोनों के बीच संबंध सकारात्मक (+) होता है।

इस उदाहरण से, यह निष्कर्ष निकाला जा सकता है कि दोनों चर की वृद्धि और गिरावट एक साथ चलती है। यह दर्शाता है कि सहसंबंध गुणांक का एक सकारात्मक मूल्य है जिसका अर्थ है कि दोनों चर सीधे एक दूसरे से संबंधित हैं। इस तरह के सहसंबंध अक्सर अर्थव्यवस्था और वित्त की दुनिया में पाए जाते हैं, जहां एक चर दूसरे चर को एक साथ प्रभावित करता है।

सहसंबंध गुणांक की गणना का समर्थन करने के लिए, शोधकर्ता अक्सर रैखिक प्रतिगमन विश्लेषण का भी उपयोग करते हैं। यह विश्लेषण स्वतंत्र चर (X) और बाध्य चर (Y) के बीच संबंधों को अधिक गहराई से जानने के लिए उपयोग किया जाता है। इसका उद्देश्य अनुपात या अंतराल के पैमाने के साथ डेटा के आधार पर भविष्यवाणियां करना है।

उदाहरण के लिए, एक लॉजिस्टिक रेग्रेशन का उपयोग करके, विवाह की स्थिति (X) और जोड़े की खुशी (Y) के स्तर के बीच संबंध का विश्लेषण किया जा सकता है। इस मामले में, शोधकर्ताओं को यह सुनिश्चित करने की आवश्यकता है कि दोनों चर के बीच एक लॉजिस्टिक संबंध है। इस प्रकार, विश्लेषण के परिणाम खुशी के स्तर पर विवाह की स्थिति के प्रभाव को दिखाएंगे।

हालांकि, यह याद रखना महत्वपूर्ण है कि लॉजिस्टिक रिग्रेशन और सहसंबंध विधि हमेशा कारण-परिणाम संबंध को पूरी तरह से प्रतिबिंबित नहीं करती है। यह संभव है कि अंतिम परिणाम को प्रभावित करने वाले अन्य कारक भी ध्यान में नहीं रखे गए हों। इसलिए, सहसंबंध विश्लेषण को केवल एक-अकेला आधार के रूप में नहीं, बल्कि चर के बीच संबंध पैटर्न को समझने के लिए एक सहायक उपकरण के रूप में उपयोग किया जाना चाहिए।

यह सहसंबंध गुणांक और इसके अनुप्रयोगों के उदाहरणों के बारे में एक व्याख्या है। सूत्र और इसके अनुप्रयोग को समझकर, शोधकर्ता डेटा को अधिक सटीक रूप से व्याख्या कर सकते हैं और एकत्र किए गए डेटा की गणना के परिणामों के आधार पर निर्णय ले सकते हैं।

The English, Chinese, Japanese, Arabic, and French versions are automatically generated by the AI. So there may still be inaccuracies in translating, please always see Indonesian as our main language. (system supported by DigitalSiber.id)

Tag: pengetahuan