स्टेटा फॉरेक्स में पियर्सन सहसंबंध

क्या मामलों मापा जा सकता है, तो अपने माप परिष्कृत रखने के लिए - एड सियोको वित्त की दुनिया में, सहसंबंध एक सांख्यिकीय उपाय है कि एक दूसरे के संबंध में दो प्रतिभूतियां कैसे चलती हैं। उन्नत पोर्टफोलियो प्रबंधन में सहसंबंध का उपयोग किया जाता है। अत्यधिक सहसंबद्ध यंत्रों में समवर्ती ट्रेडों से बचें अत्यधिक सहसंबद्ध उपकरणों के बीच व्यापार के अवसरों का पता लगाएं सहसंबंध सकारात्मक होता है जब कीमत में दो प्रतिभूतियां वृद्धि होती है एक सुरक्षा बढ़ जाती है और अन्य घट जाती है तो सहसंबंध नकारात्मक होता है PZ संबंध सम्बन्धी सूचक यह दर्शाता है कि संदर्भ के संबंध में कैसे भिन्न प्रतिभूतियाँ चलती हैं एक, इस प्रकार पोर्टफोलियो प्रबंधन को आसान बनाते हैं। शून्य का एक गुणांक तटस्थ सहसंबंध है 0.3 की एक गुणांक निम्न सकारात्मक सहसंबंध है 0.8 से अधिक गुणांक उच्च सकारात्मक सहसंबंध है -0.3 का गुणांक कम नकारात्मक संबंध -0.8 अधिक गुणांक -0.8 उच्च नकारात्मक सहसंबंध है अपने जोखिम और पोर्टफोलियो प्रबंधन को बेहतर बनाएं और मेटाट्रेडर मंच के लिए सबसे पूर्ण बाजार सहसंबंध संकेतक। ScreenshotsPearsonsStata का उपयोग कर सहसंबंध परिचय पीयरसन उत्पाद-क्षण सहसंबंध गुणांक, अक्सर पियर्सन सहसंबंध या Pearsons के संबंध में छोटा है, दो निरंतर चर के बीच विद्यमान संघ की ताकत और दिशा का एक उपाय है। पियर्सन सहसंबंध एक गुणांक उत्पन्न करता है जिसे पीयरसन सहसंबंध गुणांक कहा जाता है, जिसे आर के रूप में दर्शाया जाता है। एक पियरर्स सहसंबंध दो चर के डेटा के माध्यम से सर्वोत्तम फिट की एक रेखा खींचने का प्रयास करता है, और पीयरसन सहसंबंध गुणांक, r यह इंगित करता है कि इन सभी डेटा बिंदुओं को कितनी अच्छी तरह से फिट किया जा सकता है (यानी यह सबसे अच्छा फिट की इस नई मॉडललाइन को कितनी अच्छी तरह बताता है)। इसका मूल्य 1 से लेकर एक सही नकारात्मक रैखिक संबंध के लिए 1 से लेकर एक सकारात्मक सकारात्मक रैखिक संबंध के लिए हो सकता है। 0 (शून्य) का मान इंगित करता है कि दो चर के बीच कोई संबंध नहीं है। उदाहरण के लिए, आप यह समझने के लिए कि क्या परीक्षा के प्रदर्शन और समय-समय पर संशोधन के बीच का कोई संबंध है (यानी आपके दो चर परीक्षा परीक्षा होगी, 0-100 अंक से मापा गया, और घंटों में मापा गया संशोधन समय) के बीच एक सहयोग है, यह समझने के लिए आप पाइर्सन्स सहसंबंध का उपयोग कर सकते हैं। यदि एक उदार, सकारात्मक सहयोग था, तो हम कह सकते थे कि संशोधन को अधिक समय बेहतर परीक्षा के प्रदर्शन से जोड़ा गया था। वैकल्पिक रूप से, आप यह समझने के लिए कि क्या बेरोजगारी और खुशी की लंबाई (यानी आपके दो चर, बेरोजगारी की लंबाई, दिनों में मापा जाएगा, और निरंतर स्तर का उपयोग करके मापा जाएगा) के बीच एक सहयोग है, यह समझने के लिए आप एक पियरर्स सहसंबंध का उपयोग कर सकते हैं। यदि एक मजबूत, नकारात्मक सहयोग था, तो हम कह सकते हैं कि अब तक बेरोजगारी की लंबाई, अधिक से अधिक दुःख इस मार्गदर्शिका में, हम आपको दिखाते हैं कि कैसे स्टेटा का उपयोग करके एक Pearsons सहसंबंध ले जाना है, साथ ही साथ इस परीक्षा से परिणाम की व्याख्या और रिपोर्ट करें। हालांकि, इससे पहले कि आप इस प्रक्रिया को लागू करें, आपको अलग-अलग मान्यताओं को समझना होगा कि आपके डेटा को एक वैध परिणाम देने के लिए Pearsons के संबंध के लिए मिलना चाहिए। हम इन धारणाओं पर चर्चा करते हैं। धारणाएं चार धारणाएं हैं जो एक पीयरस सहसंबंध को आगे बढ़ाती हैं। यदि इन चार मान्यताओं में से कोई भी नहीं मिले, तो Pearsons सहसंबंध के उपयोग से आपके डेटा का विश्लेषण करने से कोई मान्य परिणाम नहीं हो सकता है। चूंकि 1 धारणा आपके चर की पसंद से संबंधित है, इसलिए इसे स्टाटा का उपयोग करने के लिए नहीं किया जा सकता। हालांकि, आपको यह तय करना चाहिए कि आगे बढ़ने से पहले आपका अध्ययन इस धारणा को पूरा करता है या नहीं। धारणा 1: आपके दो चर निरंतर स्तर पर मापा जाना चाहिए। ऐसे निरंतर चर के उदाहरणों में ऊँचाई (पैर और इंच में मापा जाता है), तापमान (डीजेसी में मापा जाता है), वेतन (यूएस डॉलर में मापा जाता है), संशोधन समय (घंटों में मापा जाता है), खुफिया (आईक्यू स्कोर का उपयोग करके मापा जाता है), प्रतिक्रिया समय मिलीसेकंड में), परीक्षण का प्रदर्शन (0 से 100 तक मापा जाता है), विक्रय (प्रति माह लेन-देन की संख्या में मापा जाता है), और आगे। यदि आप अनिश्चित हैं कि आपके दो चर निरंतर (यानी अंतराल या अनुपात स्तर पर मापा जाता है), तो हमारे प्रकार के वैरिएबल गाइड देखें। नोट: यदि आपके दो चर में से किसी क्रमिक पैमाने पर मापा जाता है आपको पियरसन सहसंबंध के बजाय स्पैरमैन के सहसंबंध का उपयोग करने की आवश्यकता है क्रमशः चर के उदाहरणों में लिक्चर स्केल शामिल हैं (जैसे कि दृढ़ता से असहमत के लिए दृढ़तापूर्वक सहमत होने के लिए 7-बिंदु के पैमाने पर), रैंकिंग श्रेणियों के अन्य तरीकों के बीच (उदाहरण के लिए, नौकरी की संतुष्टि को मापने के लिए 5-अंकों का स्तर, सबसे संतुष्ट से कम से कम 4 संतुष्ट निचला स्तर निर्धारित करने के लिए यह एक नई वेबसाइट को नेविगेट करना कितना आसान था, बहुत आसान से लेकर बहुत ही मुश्किल या 3-अंकों के पैमाने को समझाते हुए कि कितना ग्राहक एक उत्पाद को पसंद करता है, बहुत से नहीं, यह ठीक है, हाँ, बहुत)। सौभाग्य से, आप स्टेटा का उपयोग करके मान्यताओं 2, 3 और 4 को देख सकते हैं। जब 2, 3 और 4 के अनुमानों पर आगे बढ़ते हैं, तो हम उन्हें इस क्रम में परीक्षण करने का सुझाव देते हैं क्योंकि यह एक आदेश का प्रतिनिधित्व करता है, यदि धारणा का उल्लंघन सही नहीं है, तो आप अब Pearsons के संबंध का उपयोग करने में सक्षम नहीं होंगे। दरअसल, अगर आपके डेटा में इनमें से एक या अधिक मान्यताओं में विफल रहता है, तो वास्तव में आश्चर्यचकित न हो क्योंकि पाठयक्रम उदाहरणों के बजाय वास्तविक दुनिया के आंकड़ों के साथ काम करते समय यह बहुत ही सामान्य है, जो अक्सर केवल आपको दिखाता है कि सब कुछ ठीक हो जाने पर पियरर्स के संबंध को कैसे पूरा करें । हालांकि, चिंता न करें क्योंकि जब भी आपका डेटा कुछ मान्यताओं में विफल रहता है, तो इसका समाधान करने के लिए अक्सर एक समाधान होता है (जैसे कि आपके डेटा को बदलना या इसके बजाय एक अन्य सांख्यिकीय परीक्षण का उपयोग करना)। बस याद रखें कि यदि आप जांच नहीं करते हैं कि आप डेटा इन मान्यताओं से पूरा करते हैं या आप उनके लिए सही तरीके से परीक्षण नहीं करते हैं, तो Pearsons के संबंध चलाने के दौरान प्राप्त होने वाले परिणाम मान्य नहीं हो सकते हैं। धारणा 2: आपके दो चर के बीच एक रेखीय संबंध होना चाहिए। हालांकि, Pearsons के संबंध में मौजूद है या नहीं, यह जांचने के कई तरीके हैं, हम स्टाटा का उपयोग करके एक स्कैटरप्लोट बनाने का सुझाव देते हैं, जहां आप एक-दूसरे के विरुद्ध अपने दो चर का पता लगा सकते हैं। फिर आप लीनारिटी की जांच के लिए स्कैटरप्लोट का अवलोकन कर सकते हैं। आपका स्कैटरप्लॉट निम्न में से किसी एक की तरह कुछ दिखाई दे सकता है: यदि आपके स्कैटरप्लोट में प्रदर्शित रिश्ते को रैखिक नहीं है, तो आपको अपने डेटा को बदलने या इसके बजाय स्प्रैमन्स के संबंध को चलाने की आवश्यकता होगी, जिसे आप स्टेटा का उपयोग कर सकते हैं। धारणा 3: कोई महत्वपूर्ण आउटलाइनर नहीं होना चाहिए। आउटलाइयर आपके डेटा के भीतर केवल एक डाटा अंक होते हैं जो सामान्य पैटर्न का पालन नहीं करते हैं (उदाहरण के लिए 100 छात्रों के IQ स्कोर के अध्ययन में, जहां औसत स्कोर 108 था, छात्रों के बीच केवल एक छोटे बदलाव, एक छात्र के पास 156 का स्कोर था, जो बहुत असामान्य है, और उसे विश्व स्तर पर आईक्यू स्कोर के शीर्ष 1 में भी लगा सकते हैं)। निम्नलिखित स्कैटरप्लोट्स आउटलाइयर के संभावित प्रभाव को उजागर करते हैं: पीअरस आर आउटलेटर्स के प्रति संवेदनशील है, जो सबसे अच्छी फिट और पीयरसन सहसंबंध गुणांक पर बहुत बड़ा प्रभाव पड़ सकता है, जिससे आपके डेटा के संबंध में बहुत मुश्किल निष्कर्ष मिल सकते हैं। इसलिए, यह सबसे अच्छा है अगर कोई आउटलेट नहीं है या उन्हें न्यूनतम रखा जाता है सौभाग्य से, आप स्कैटरप्लोट्स का उपयोग करके संभावित आउटलेटर्स का पता लगाने के लिए स्टेटा का उपयोग कर सकते हैं। धारणा 4: आपके चर को लगभग सामान्य रूप से वितरित किया जाना चाहिए पीयरसन के संबंध के सांख्यिकीय महत्व का आकलन करने के लिए, आपको सामान्य ज्ञान की आवश्यकता है, लेकिन यह धारणा का आकलन करना मुश्किल है, इसलिए एक सरल विधि अधिक सामान्यतः उपयोग की जाती है। इसे सामान्यता के शापिरो-विल्क परीक्षण के रूप में जाना जाता है। जो आप स्टेटा का उपयोग कर सकते हैं प्रथा में, 2, 3 और 4 के अनुमानों की जांच करना संभवतः अपना अधिकांश समय लेगा जब एक पीयरस सहसंबंध होगा। हालांकि, यह एक कठिन काम नहीं है, और Stata आपको ऐसा करने के लिए आवश्यक सभी उपकरण प्रदान करता है। अनुभाग में, स्टेटा में टेस्ट प्रक्रिया हम यह मानते हैं कि कोई धारणा का उल्लंघन नहीं किया गया है, यह मानते हुए Pearsons के संबंध प्रदर्शन करने के लिए आवश्यक Stata प्रक्रिया को वर्णन। सबसे पहले, हमने स्ताटा में पीयरस सहसंबंध प्रक्रिया की व्याख्या करने के लिए हम उदाहरण का प्रयोग करते हैं। अध्ययन बताते हैं कि व्यायाम से हृदय रोग को रोकने में मदद मिल सकती है। उचित सीमा के भीतर, जितना अधिक आप व्यायाम करते हैं, उतनी ही कम जोखिम आपको दिल की बीमारी से ग्रस्त है एक तरह से व्यायाम जिसमें हृदय रोग से पीड़ित होने का खतरा कम होता है, आपके रक्त में वसा को कम करके, कोलेस्ट्रॉल कहा जाता है। जितना अधिक आप व्यायाम करते हैं, उतना कम आपके कोलेस्ट्रॉल एकाग्रता। इसके अलावा, यह हाल ही में दिखाया गया है कि टीवी देखने के लिए समय बिताने के लिए समय-समय पर जीवनशैली का संकेतक ndash दिल की बीमारी का अच्छा भविष्यवाणी हो सकता है (यानी, जितना अधिक टीवी आप देखते हैं, हृदय रोग का अधिक जोखिम )। इसलिए, एक शोधकर्ता ने यह निर्धारित करने का निर्णय लिया कि क्या कोलेस्ट्रॉल की एकाग्रता अन्यथा 45 से 65 वर्ष के पुरुषों (एक जोखिम वाले लोगों की श्रेणी) में टीवी देखने के समय से संबंधित थी। उदाहरण के लिए, लोगों ने टीवी देखने के लिए और अधिक समय बिताया, इसलिए उनके कोलेस्ट्रॉल की एकाग्रता में भी वृद्धि हुई (सकारात्मक संबंध) या विपरीत काम किया। विश्लेषण करने के लिए, शोधकर्ता ने 45 और 65 वर्ष की उम्र के बीच 100 स्वस्थ पुरुष प्रतिभागियों की भर्ती की। सभी 100 प्रतिभागियों के लिए टीवी (यानी वेरिएबल, टाइमेट वी) और कोलेस्ट्रॉल एकाग्रता (यानी वेरिएबल, कोलेस्ट्रॉल) को देखने के लिए समय व्यतीत किया गया था। चर शब्दों में व्यक्त, शोधकर्ता कोलेस्ट्रॉल और timetv सहसंबंधित करना चाहता था नोट: इस गाइड के लिए इस्तेमाल किया जाने वाला उदाहरण और डेटा फर्जी है हमने इन्हें इस गाइड के प्रयोजनों के लिए बनाया है। Stata In Stata में सेटअप, हमने दो चर बनाए: (1) टाइमेंटिव जो मिनटों में टीवी देखने और (2) कोलेस्ट्रॉल का औसत दैनिक समय बिताया जाता है। जो कि एमओएमएलएल में कोलेस्ट्रॉल एकाग्रता है नोट: इससे कोई फर्क नहीं पड़ता कि आप पहले जो चर बनाते हैं इन दो चर बनाने के बाद ndash timetv और कोलेस्ट्रॉल ndash हमने डाटा एडिटर (एडिट) स्प्रैडशीट के दो कॉलमों में प्रत्येक के लिए स्कोर दर्ज किया (यानी समय में कि प्रतिभागियों ने बाएं हाथ के कॉलम (यानी टाइमेंड) में टीवी देखा, और दाएं हाथ वाले स्तंभ (यानी कोलेस्ट्रॉल) में एमएमओएलएल में प्रतिभागियों को कोलेस्ट्रॉल की एकाग्रता, जैसा कि नीचे दिखाया गया है: स्टेटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित स्टेटा में टेस्ट प्रक्रिया इस खंड में, हम आपको दिखाते हैं कि स्टेट में Pearsons के संबंध का उपयोग करके अपने डेटा का विश्लेषण कैसे किया जाए, जब पिछले खंड में चार धारणाएं, आकलन का उल्लंघन नहीं किया गया है। आप कोड या स्टैट्स ग्राफ़िकल यूजर इंटरफेस (जीयूआई) का उपयोग कर एक पियरर्स सहसंबंध ले सकते हैं। आपके विश्लेषण के बाद, हम आपको दिखाते हैं कि आपके परिणामों का विवरण कैसे लें। सबसे पहले, चुनें कि क्या आप कोड या स्टेटस ग्राफ़िकल यूजर इंटरफेस (जीयूआई) का उपयोग करना चाहते हैं। Pearsons के संबंध को चलाने के लिए मूल कोड का रूप लेता है: pwcorr VariableA VariableB हालांकि, यदि आप स्टेटा को एपी-वेल्यू (यानी आपके परिणाम का सांख्यिकीय महत्व स्तर) का उत्पादन करना चाहते हैं, तो आपको कोड के अंत में सिग जोड़ना होगा, जैसा कि नीचे दिखाया गया है: pwcorr VariableA variableB, sig यदि आप चाहते हैं कि Stata आपको यह बताना चाहती है कि आपका परिणाम किसी विशेष स्तर पर सांख्यिकीय रूप से महत्वपूर्ण है (उदाहरण के लिए, जहां पीटीटी .05), आप इसे पी-वेल को अंत में जोड़कर सेट कर सकते हैं कोड (जैसे (.05) जहां पीटीटी .05 या (.01) जहां पीटीटी .01), सिग स्टार से पहले (जैसे सिग स्टार (.05)), जो सहसंबंध के बगल में एक सितारा रखता है अगर आपका परिणाम इस स्तर पर सांख्यिकीय रूप से महत्वपूर्ण है कोड प्रपत्र लेगा: pwcorr VariableA VariableB, sig star (.05) अंत में, यदि आप चाहते हैं कि स्टेता अवलोकनों की संख्या प्रदर्शित करें (अर्थात आपका नमूना आकार, एन), तो आप इसे समाप्त कर सकते हैं। कोड, जैसा कि नीचे दिखाया गया है: pwcorr VariableA VariableB, sig star (.05) obs आप जो कोड चुनना चाहते हैं, नीचे दिए गए बॉक्स में दर्ज किया जाना चाहिए: StataCorp LP से लिखित अनुमति के साथ प्रकाशित हमारे उदाहरण का उपयोग करना जहां एक चर कोलेस्ट्रोल होता है और दूसरा वैरिएबल है timetv। आवश्यक कोड निम्नलिखित में से एक होगा: पीडब्ल्यूसीओआर कोलेस्ट्रॉल टाइटेनेट पीडब्ल्यूसीएआर कोलेस्ट्रॉल टाइमेंट, सीआईजी पीडब्ल्यूसीएआर कोलेस्ट्रॉल टाइमेंट, सिग स्टार (.05) पीडब्ल्यूसीएआर कोलेस्ट्रॉल टाइमेंट, सिग स्टार (.05) एजे हम चाहते हैं कि (ए) सहसंबंध गुणांक , (बी) .05 स्तर पर पी-वेल्यू और (सी) नमूना आकार (अवलोकन की संख्या), साथ ही साथ (डी) सूचित किया जा रहा है कि क्या हमारा परिणाम .05 स्तर पर सांख्यिकीय रूप से महत्वपूर्ण था या नहीं, हमने दर्ज किया है कोड, pwcorr कोलेस्ट्रॉल टाइमेट, सिग स्टार (.05) ऑब्जेक्ट और हमारे कीबोर्ड पर रिटर्नएन्टर बटन दबाया, जैसा कि नीचे दिखाया गया है: स्टाटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित आप स्टेटा आउटपुट देख सकते हैं जो यहां निर्मित किया जाएगा। ग्राफ़िकल यूजर इंटरफेस (जीयूआई) स्टेटा 12 और 13 में पीयरस के संबंध को पूरा करने के लिए आवश्यक तीन कदम नीचे दिखाए गए हैं: एस थियस्टिक्स जीट पर क्लिक करें सारांश, टेबल और परीक्षण gt सारांश और वर्णनात्मक आंकड़े gt मुख्य मेन्यू पर सौहार्दपूर्ण सहसंबंध, जैसा कि दिखाया गया है नीचे: स्टेटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित आपको निम्नलिखित पीडब्ल्यूसीआर के साथ प्रस्तुत किया जाएगा - चर डायलॉग बॉक्स के सापेक्ष संबंध: स्टेटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित वेरिएबल के भीतर से कोलेस्ट्रॉल और टाइमसेट चुनें: (सभी के लिए खाली छोड़ें) बॉक्स, बटन का उपयोग कर। अगला, प्रत्येक प्रविष्टि के लिए टिप्पणियों की प्रिंट संख्या को टिकें। एक स्टार बक्से के साथ प्रदर्शित करने के लिए प्रत्येक प्रविष्टि और महत्वपूर्ण स्तर के महत्व का स्तर प्रिंट करें आप निम्न स्क्रीन के साथ समाप्त होंगे: स्टाटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित नोट: इसमें कोई फर्क नहीं पड़ता कि आप चर के भीतर से अपने दो चर का चयन किस क्रम में करते हैं: (सभी के लिए खाली छोड़ें) बॉक्स स्टैटा में पियरर्स सहसंबंध की आउटपुट यदि आपके डेटा ने 2 ग्रहण किया है (यानी आपके दो चर के बीच एक रैखिक संबंध था), 3 धारणा (यानी कोई महत्वपूर्ण आउटलाइनर नहीं) और धारणा 4 (अर्थात आपके दो चर लगभग सामान्य रूप से वितरित किए गए थे), जो हमने पहले धारणाएं अनुभाग में समझाया था, आपको केवल स्टेटा में निम्न पाइडरस सहसंबंध के उत्पादन की व्याख्या करने की आवश्यकता होगी: स्टेटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित आउटपुट में तीन महत्वपूर्ण सूचनाएं हैं: (1) पियरसन सहसंबंध गुणांक (2) सांख्यिकीय महत्व का स्तर और (3) नमूना आकार जानकारी के इन तीन टुकड़ों को नीचे और अधिक विस्तार से समझाया गया है: (1) पियर्सन सहसंबंध गुणांक, आर जो आपके दो चर, कोलेस्ट्रोल और टाइमेंटिव के बीच संबंध की शक्ति और दिशा को दर्शाता है: यह लाल बॉक्स की पहली पंक्ति में दिखाया गया है। हमारे उदाहरण में, पियर्सन सहसंबंध गुणांक, आर है .370 9 जैसा कि पियर्सन सहसंबंध गुणांक का संकेत सकारात्मक है, आप यह निष्कर्ष निकाल सकते हैं कि कोलेस्ट्रॉल एकाग्रता (कोलेस्ट्रॉल) के बीच सकारात्मक संबंध और टीवी (टाइमेंट) देखने के लिए रोजाना खर्च किया जाता है, यह है कि टीवी बढ़ते समय कोलेस्ट्रॉल एकाग्रता बढ़ जाती है। नोट: कुछ लोग विवरण पर इजाजत कर सकते हैं, कोलेस्ट्रॉल एकाग्रता बढ़ जाती है, जो कि टीवी बढ़ते समय बिताते हैं। इस आपत्ति का कारण बढ़ने के अर्थ में है। इस क्रिया का प्रयोग यह सुझाव दे सकता है कि इस चर के प्रभाव का कारण और मणिपुण है जैसे कि आप अपने प्रतिभागियों में टीवी (टाइमेंट) देखे गए समय में वृद्धि कर सकते हैं और इससे उनके कोलेस्ट्रॉल एकाग्रता (कोलेस्ट्रॉल) में वृद्धि होगी। यह कहना संभव नहीं है कि यह शायद संभव नहीं है। हालांकि, यह ज्ञान सहसंबंध में समाहित नहीं है, लेकिन सिद्धांत रूप में जैसे, आप रिश्ते को राज्य करना पसंद कर सकते हैं, कोलेस्ट्रॉल एकाग्रता के उच्च मूल्यों को टीवी देखने के लिए अधिक समय से सम्बंधित किया जाता है। पियरसन सहसंबंध गुणांक की तीव्रता सहसंबंध की ताकत को निर्धारित करती है। यद्यपि विशिष्ट मूल्यों के संबंध में शक्ति देने के लिए कोई ठोस नियम नहीं हैं, कुछ सामान्य दिशानिर्देश कोहेन (1 9 88): एसोसिएशन की ताकत द्वारा प्रदान की जाती हैं, जहां आर का मतलब पूर्ण मूल्य या आर (जैसे आर जीटी .5 का मतलब आर जीटी .5 और आर एलटी -5)। इसलिए, इस उदाहरण में पीयरसन सहसंबंध गुणांक (आर 371) एक मध्यम ताकत सहसंबंध का सुझाव देता है। अगर इसके बजाय, आर -371, आपके पास एक मध्यम ताकत सहसंबंध होता है, यद्यपि एक ऋणात्मक एक होता है दृढ़ संकल्प का गुणांक एक चर में भिन्नता का अनुपात है जिसे अन्य चर द्वारा समझाया जाता है और इसे सहसंबंध गुणांक (आर 2) के वर्ग के रूप में गिना जाता है। इस उदाहरण में, आपके पास दृढ़ संकल्प का गुणांक, 2 है। 0.371 2 0.14 के बराबर है। इसे एक प्रतिशत (यानी 14) के रूप में भी व्यक्त किया जा सकता है। याद रखें कि इस समझाया जा रहा है सांख्यिकीय रूप से समझाया, कारण नहीं कारण (2) सांख्यिकीय महत्व का स्तर (यानी पी-वेल्यू), और यदि परीक्षण सांख्यिकीय रूप से महत्वपूर्ण है, तो पीयरस सहसंबंध गुणांक के बगल में एक तारा: यह लाल बक्से की दूसरी पंक्ति में दिखाया गया है। आपके द्वारा दिए गए परिणामों ने अभी तक आपके नमूने के दो चर के बीच संबंध का वर्णन करने के लिए केवल पियरसन सहसंबंध गुणांक का उपयोग किया है। यदि आप जनसंख्या में अपने चर के बीच के रैखिक संबंध के बारे में अनुमानों का परीक्षण करना चाहते हैं तो आपका नमूना है, आपको सांख्यिकीय महत्व का स्तर जांचना होगा। इस उदाहरण में सहसंबंध गुणांक के सांख्यिकीय महत्व (पी-वेल्यू) का स्तर है .0001, जिसका अर्थ है कि दो चर के बीच सांख्यिकीय रूप से महत्वपूर्ण संबंध है: कोलेस्ट्रॉल एकाग्रता (कोलेस्ट्रॉल) और टीवी (टाइमेंट) देखने के लिए खर्च किए गए दैनिक समय। (3) नमूना आकार, एन (यानी टिप्पणियों की संख्या): यह लाल बक्से की तीसरी पंक्ति में दिखाया गया है, यह दर्शाता है कि हमारे अध्ययन में हमारे पास 100 प्रतिभागी हैं। नोट: हम उपरोक्त Pearsons सहसंबंध से आउटपुट पेश करते हैं। हालांकि, चूंकि हमने धारणाएं अनुभाग में पहले समझाए गए मान्यताओं के लिए आपके डेटा का परीक्षण किया था, इसलिए आपको स्टैट आउट आउटपुट की व्याख्या भी करनी होगी, जो आपने इन मान्यताओं के लिए परीक्षण किया था। इसमें शामिल हैं: (ए) स्कैटरप्लोट्स जिन्हें आप जांचते थे कि आपके दो चर (यानी एसिमेंटेशन 2) (बी) के बीच एक रेखीय संबंध होता है (बी) वही स्कैटरप्लोट्स जिन्हें आप जाँचने के लिए उपयोग करेंगे, कोई महत्वपूर्ण आउटलाइर नहीं थे (अर्थात एसेम्प्शन 3) और (सी) शापिरो-विल्क सामान्यता का परीक्षण यह जांचने के लिए कि आपके दो चर सामान्य रूप से वितरित किए गए थे (यानी आकलन 4)। इसके अलावा, याद रखें कि यदि आपका डेटा इन मान्यताओं में से कोई भी विफल हो गया है, तो आप Pearsons सहसंबंध प्रक्रिया (जो हम ऊपर चर्चा करते हैं आउटपुट) से प्राप्त आउटपुट अब प्रासंगिक नहीं होगा, और आपको विश्लेषण के लिए एक अलग सांख्यिकीय परीक्षण करना होगा आपका डेटा। Pearsons के संबंध के उत्पादन की रिपोर्टिंग जब आप अपने Pearsons सहसंबंध के उत्पादन की रिपोर्ट करते हैं, तो यह शामिल करने के लिए एक अच्छा अभ्यास है: ए। आपके द्वारा किए गए विश्लेषण का परिचय। बी अपने नमूना के बारे में जानकारी (किसी भी अनुपलब्ध मूल्यों सहित) सी। पियर्सन सहसंबंध गुणांक, आर और स्वतंत्रता की डिग्री, जो नमूना आकार के शून्य से 2 (उदाहरण के लिए 100 के नमूने आकार के लिए, स्वतंत्रता की डिग्री 98 होगी, जैसा कि हमारे उदाहरण में)। डी। आपके परिणाम का सांख्यिकीय महत्व का स्तर (यानी पी-वेल्यू) ई। दृढ़ संकल्प का गुणांक, आर 2 (यानी एक चर में भिन्नता का अनुपात जो अन्य चर द्वारा समझाया गया है)। उपर्युक्त परिणामों के आधार पर, हम इस अध्ययन के परिणामों की रिपोर्ट निम्नानुसार कर सकते हैं: 45 वर्ष से अधिक आयु के 100 पुरुषों में टीवी देखने के लिए कोलेस्ट्रॉल एकाग्रता और दैनिक समय के बीच संबंधों का आकलन करने के लिए एक पाइडर उत्पाद-क्षण सहसंबंध चलाना था। टीवी और कोलेस्ट्रॉल एकाग्रता, आर (98) .371, पीटीटी .0005 को देखकर बिताए दैनिक समय के बीच एक मध्यम सकारात्मक सहसंबंध था, जबकि टीवी ने कोलेस्ट्रॉल की एकाग्रता में 14 भिन्नताओं को समझाते समय व्यतीत किया। उपर्युक्त परिणामों को रिपोर्ट करने के अतिरिक्त, एक आरेख को आपके परिणामों को दर्शाने के लिए इस्तेमाल किया जा सकता है उदाहरण के लिए, आप ऐसा कर सकते हैं एक स्कैटरप्लोट का उपयोग कर। यह दूसरों के लिए आपके परिणामों को समझने में आसान बना सकता है और स्ताटा में आसानी से उत्पन्न होता है