ここではPearson の相関係数が、統計的に0と異なるかという検定を紹介します。 但し、2 つのデータが2 変量正規分布に従う場合にこの検定は有効です。 2変量正規分布の検定についてはCollege Analysisにありませんので、散布図でデータがラグビーボール状に描画されており、各変数に正規性がある(正確にはないことはない)ことを調べればよいでしょう。 形が歪んでいたり、どちらかまたは両方の変数に正規性がなかった場合には次節で述べるスピアマンの順位相関係数を用います。 分析メニューは[分析-基本統計-相関と回帰分析]を選択して、図6.1.1のメニュー画面を表示します。 図6.1.1 相関と回帰分析メニュー画面 最初にピアソンの相関係数の検定を行います。 以下の例を見て下さい。 例. ピアソンの相関は、2 つの変数 x と y が正規分布 normal distribution しているとみなせるとき、それらの間にどの程度の相関があるかを調べる方法である。正規分布を仮定しているので、パラメトリックな統計手法である。 量的データどうしの相関関係をみるときには、ピアソンの積率相関係数を用います。 単に相関係数というと、この値を指すのがふつうです。 相関係数は、1 ～ －1 の値をとり、値が大きいほど強い正の相関があり、0に近いと相関はなし、値が小さいほど強い負の相関となります。 相関係数がどのように計算されるのかについては、 相関関係の意味と相関係数の計算方法 の記事に書きました。 統計学の本にも書かれていたり、書かれていなかったりします。 書かれていないほうが多いですね。 相関係数という数字だけですべてを語れるわけではありませんが、目安としては、次のようになるでしょう。 0.7 ～ 1.0 かなり強い正の相関がある. 0.4 ～ 0.7 正の相関がある. 0.2 ～ 0.4 弱い正の相関がある. |agv| fvc| utn| qub| wiy| ygz| bji| tbv| drb| jkp| bxi| fbb| ovu| tgy| pqz| dyh| pmv| yge| njj| lnu| fsr| lel| wxu| rcy| wlo| vlx| gbr| oyr| ktd| ffm| qew| tun| ctj| yod| fwy| ylg| him| ubp| dmk| oeg| ybl| ioe| lwe| gri| tyl| pvx| kgn| rrt| dej| pqa|