Ý Nghĩa Hệ Số Tương Quan Pearson – Hướng Dẫn Cách Phân Tích Và ...

4.4/5 - (32 bình chọn)

Phân tích tương quan Pearson là một trong những bước vô cùng quan trọng khi bạn làm luận văn nghiên cứu sử dụng định lượng SPSS. Vậy phân tích tương quan để làm gì, ý nghĩa hệ số tương quan Pearson là gì và cách chạy tương quan như thế nào? Tất cả những câu hỏi khiến bạn đang đau đầu sẽ được Luận Văn 24 chuyên hỗ trợ spss giải đáp trong bài viết ngắn gọn này.

Mục lục ẩn

• I. Giới thiệu về Phân tích Tương quan Pearson
  • 1.1. Hệ số tương quan Pearson là gì?
  • 1.2. Ý nghĩa hệ số tương quan pearson
  • 1.3. Điều kiện để hệ số tương quan Person tồn tại ý nghĩa
  • 1.4. Công thức tính
  • 1.5. Tại sao cần phân tích tương quan?
  • 1.6. Khi nào sử dụng tương quan pearson
• II. Chuẩn bị phân tích Tương quan Pearson
  • 2.1. Yêu cầu dữ liệu
  • 2.2. Thiết lập dữ liệu
  • 2.3. Giả thuyết nghiên cứu
  • 2.4. Tiến hành chạy phân tích tương quan pearson trong SPSS
• III. Cách chạy tương quan person
  • 3.1. Tiến hành chạy phân tích tương quan pearson trong SPSS
  • 3.2. Cách phân tích kết quả tương quan Peson
• IV. Ví dụ thực tế chạy phân tích tương quan Pearson
  • 4.1. Tình huống
  • 4.2. Thiết lập giả thuyết
  • 4.3. Tiến hành chạy thử nghiệm
  • 4.4. Đọc kết quả
  • 4.5. Kết luận

I. Giới thiệu về Phân tích Tương quan Pearson

1.1. Hệ số tương quan Pearson là gì?

• Hệ số tương quan Pearson ( trong tiếng anh là Pearson correlation coefficient, kí hiệu r) là chỉ số đo lường mức độ tương quan tuyến tính giữa hai biến.

• Về nguyên tắc, tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến.

1.2. Ý nghĩa hệ số tương quan pearson

Ý nghĩa Hệ số tương quan pearson là nó mô tả cách mà một biến di chuyển trong mối quan hệ với một biến khác. Và Hệ số tương quan sẽ có giá trị từ -1.0 đến +1.0. Trong đó:

• Mối tương quan thuận cho biết rằng cả hai di chuyển theo cùng một hướng. Khi hệ số tương quan +1.0, chúng di chuyển song song.
• Hệ số tương quan mà âm, thì chúng di chuyển ngược hướng nhau.
• Hệ số tương quan bằng 0, không có tương quan nào cả.

1.3. Điều kiện để hệ số tương quan Person tồn tại ý nghĩa

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

• r < 0 cho biết một sự tương quan nghịch giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia.
• r=0 cho thấy không có sự tương quan.
• r > 0 cho biết một sự tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia.

Nếu bạn thiếu kinh nghiệm hoặc thời gian để phân tích dữ liệu bằng SPSS, hãy cân nhắc sử dụng dịch vụ chạy SPSS thuê của Luận Văn 24. Đội ngũ chuyên gia của chúng tôi có nhiều năm kinh nghiệm trong việc phân tích dữ liệu và sử dụng phần mềm SPSS, đảm bảo cung cấp cho bạn kết quả phân tích chính xác và đáng tin cậy.

1.4. Công thức tính

Cho hai biến số x và y  từ n mẫu, hệ số tương quan Pearson được ước tính bằng công thức sau đây:

1.5. Tại sao cần phân tích tương quan?

• Sau khi tiến hành kiểm định phân tích EFA, bước tiếp theo chính là tạo biến đại diện cho mỗi nhóm nhân tố và tiến hành phân tích tương quan (correlation), hồi quy (regression).

• Trước khi thực hiện kiểm tra hồi quy mô hình thì cần tiến hành phân tích tương quan giữa các nhân tố độc lập với nhân tố phụ thuộc.

• Từ đó chúng ta sẽ chọn những nhân tố độc lập thực sự có tương quan với nhân tố phụ thuộc và đưa những nhân tố đó vào hồi quy

1.6. Khi nào sử dụng tương quan pearson

Tương quan Pearson thường được sử dụng để đo lường những điều sau đây:

• Mối tương quan giữa các cặp biến.
• Mối tương quan bên trong và giữa tập hợp các biến.

Mối tương quan Pearson chỉ ra những điều sau:

• Liệu mối quan hệ tuyến tính có ý nghĩa thống kê có tồn tại giữa hai biến liên tục hay không.
• Độ mạnh của một mối quan hệ tuyến tính.
• Chiều của mối quan hệ tuyến tính (tăng hoặc giảm).

Lưu ý: Tương quan Pearson hai biến không thể giải quyết các mối quan hệ hoặc mối quan hệ phi tuyến tính giữa các biến phân loại. Nếu bạn muốn hiểu các mối quan hệ liên quan đến các biến phân loại và / hoặc các mối quan hệ phi tuyến tính, bạn sẽ cần phải chọn một thước đo liên kết khác.

Việc phân tích tương quan hay các thao tác khác trên spss đều dễ gặp phải những sự khó khăn, Khi ấy hãy liên hệ đến Luận văn 24 – đơn vị chuyên cung cấp các dịch vụ viết assignment , dịch vụ viết thuê tiểu luận , làm luận văn tốt nghiệp thuê dạng định lượng spss, stata, eview chuyên nghiệp nhất thị trường. Hãy liên hệ ngay với chúng tôi để được hỗ trợ từ A-Z.

II. Chuẩn bị phân tích Tương quan Pearson

2.1. Yêu cầu dữ liệu

Để sử dụng tương quan Pearson, dữ liệu của bạn phải đáp ứng các yêu cầu sau:

• Hai hoặc nhiều biến liên tục (tức là, khoảng hoặc mức tỷ lệ)
• Các trường hợp phải có giá trị không bị thiếu trên cả hai biến
• Mối quan hệ tuyến tính giữa các biến
• Các trường hợp độc lập (ví dụ, sự độc lập của các quan sát). Không có mối quan hệ giữa các giá trị của các biến giữa các trường hợp.
• Tính chuẩn hai biến
• Mẫu dữ liệu được lấy ngẫu nhiên

2.2. Thiết lập dữ liệu

Tập dữ liệu của bạn nên bao gồm hai hoặc nhiều biến số liên tục, mỗi biến được xác định là tỷ lệ, sẽ được sử dụng trong phân tích.

Mỗi hàng trong tập dữ liệu phải đại diện cho một chủ đề, người hoặc đơn vị duy nhất. Tất cả các phép đo được thực hiện trên người hoặc đơn vị đó sẽ xuất hiện trong hàng đó. Nếu các phép đo cho một đối tượng xuất hiện trên nhiều hàng bạn nên định hình lại dữ liệu của mình thành định dạng “rộng” trước khi tính toán các mối tương quan.

2.3. Giả thuyết nghiên cứu

Khi phân tích tương quan Pearson, ta đặt giả thuyết như sau:

• Ho: r = 0, nghĩa là không có mối liên hệ tương quan tuyến tính
• H1: r ≠ 0, nghĩa là có mối liên hệ tương quan tuyến tính

Kết quả kiểm định:

• Sig < 0.05: Bác bỏ Ho, chấp nhận H1, kết luận hai biến có tương quan tuyến tính với nhau.
• Sig > 0.05: Chấp nhận Ho, bác bỏ H1, kết luận hai biến không có tương quan tuyến tính với nhau.

2.4. Tiến hành chạy phân tích tương quan pearson trong SPSS

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

• Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy

(giả thuyết H0: hệ số tương quan bằng 0).

III. Cách chạy tương quan person

3.1. Tiến hành chạy phân tích tương quan pearson trong SPSS

Cụ thể cách chạy như sau:

Bước 1: Để chạy tương quan Pearson hai biến trong SPSS, hãy nhấp vào Analyze > Correlate > Bivariate.

Bước 2: Hộp thoại Bivariate Correlations xuất hiện, lúc này bạn đưa các biến độc lập và biến phụ thuộc ở bên trái đã được tạo ở bước trên qua ô Variables bên phải. Xong bấm OK

3.2. Cách phân tích kết quả tương quan Peson

Sau khi chạy xong, Quan sát Bảng tương quan Correlations xuất hiện như sau:

• Pearson Correlations: Hệ số tương quan Pearson

• Giá trị Sig: Significant của kiểm định Pearson.

• Giả thuyết H0: hệ số tương quan bằng 0.

Do đó nếu Sig. này bé hơn 5% ta có thể kết luận được là hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt.

Nếu Sig. này lớn hơn 5% thì hai biến không có tương quan với nhau. Từ bảng trên, chúng ta có thể kết luận như sau:

• Cân nặng (Weight) và chiều cao (Height)có mối quan hệ tuyến tính có ý nghĩa thống kê (p <.001).

• Hướng của mối quan hệ là tích cực (nghĩa là chiều cao và cân nặng có mối tương quan dương), nghĩa là các biến này có xu hướng tăng cùng nhau (nghĩa là, chiều cao lớn hơn có liên quan đến trọng lượng lớn hơn).

• Độ lớn hoặc cường độ của liên kết xấp xỉ vừa phải (.3 <| r | <.5).

– Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.

IV. Ví dụ thực tế chạy phân tích tương quan Pearson

4.1. Tình huống

Kiểm tra xem liệu có mối quan hệ tuyến tính có ý nghĩa thống kê giữa hai biến số liên tục là cân nặng và chiều cao hay không. Sử dụng tương quan Pearson lưỡng biến để kiểm tra xem có mối quan hệ tuyến tính giữa hai biến này hay không, đồng thời xác định sức mạnh và hướng của mối liên kết.

Biến sử dụng:

• Height: Chiều cao
• Weight: Cân nặng

4.2. Thiết lập giả thuyết

Giả thuyết đặt ra:

Ho: r = 0, nghĩa là cân nặng và chiều cao không có mối quan hệ tuyến tính

H1: r ≠ 0, nghĩa là cân nặng và chiều cao có mối quan hệ tuyến tính

4.3. Tiến hành chạy thử nghiệm

Bước 1: Nhấp vào Analyze > Correlate > Bivariate.

Bước 2: Chọn các biến Height và Weight và di chuyển chúng vào hộp Variables.

Bước 3: Trong Correlation Coefficients, chọn Pearson. Trong Test of Significance tích chọn two-tailed. Ở phí dưới, chọn Flag significant correlations

Bước 4: Bấm OK để chạy Tương quan Pearson. Kết quả phân tích sẽ hiển thị trong trình xem đầu ra Output.

4.4. Đọc kết quả

Kết quả sẽ hiển thị các mối tương quan trong một bảng, có tên là Correlations. 

(A) Tương quan của height (chiều cao) với chính nó r = 1, và số lượng các quan sát hợp lệ cho chiều cao là n = 408.

(B) & (C) Tương quan giữa height  và weight r = 0,513, dựa trên n = 354 quan sát với các giá trị hợp lệ theo từng cặp.

(D) Tương quan của weight với chính nó r = 1, và số lượng quan sát hợp lệ đối với trọng lượng là n = 376.

Quan sát ta thấy:

• Các mối tương quan trong đường chéo chính (ô A và D) đều bằng 1. Điều này là do một biến luôn có tương quan hoàn hảo với chính nó. Tuy nhiên, lưu ý rằng kích thước mẫu khác nhau trong ô A ( n = 408) so với ô D ( n = 376). Điều này là do thiếu dữ liệu – có nhiều quan sát bị thiếu đối với weight  hơn là đối với height.
• Nếu bạn đã chọn flag significant correlations, SPSS sẽ đánh dấu mức ý nghĩa 0.05 bằng một dấu hoa thị (*) và mức ý nghĩa 0.01 với hai dấu hoa thị (0.01). Trong ô B (lặp lại trong ô C), chúng ta có thể thấy rằng hệ số tương quan Pearson đối với chiều cao và cân nặng là 0.513, có ý nghĩa ( p <0.001 đối với bài kiểm tra hai phía), dựa trên 354 quan sát hoàn chỉnh

4.5. Kết luận

Dựa trên kết quả, chúng tôi có thể nêu những điều sau:

• Cân nặng và chiều cao có mối quan hệ tuyến tính có ý nghĩa thống kê ( r = 0,513, p <0,001).
• Chiều của mối quan hệ là thuận (tức là chiều cao và cân nặng có tương quan thuận), nghĩa là các biến số này có xu hướng tăng cùng nhau (tức là chiều cao lớn hơn đi kèm với cân nặng lớn hơn).
• Độ mạnh của tương quan tuyến tính là vừa phải (r = 0,513).

Bài viết trên, Luanvan24 chia sẻ đến bạn ý nghĩa hệ số tương quan pearson và cách phân tích chúng, hy vọng đã giúp ích được cho bạn. Nếu bạn có khó khăn, hãy liên hệ với Luận văn 24 – đơn vị chuyên chạy spss thuê qua hotline: 0988552424 để được tư vấn nhanh nhất.

Nguồn: luanvan24.com

5/5 (1 Review) CEO Alma Đặng Thu Trà

CEO Alma Đặng Thu Trà là một nhà hoạt động giáo dục trẻ nổi bật trong lĩnh vực giáo dục tại Việt Nam, là người sáng lập website luanvan24.com, nơi cung cấp đa dạng các dịch vụ viết thuê luận văn, báo cáo, tiểu luận, essay, assignment và đồ án tốt nghiệp, cùng với các dịch vụ phân tích và xử lý số liệu SPSS.