La correlazione.

Presentazione sul tema: "La correlazione."— Transcript della presentazione:

1 La correlazione

2 La correlazione È lo studio della relazione di due variabili misurate su scala a intervalli Il coefficiente di correlazione è la misura descrittiva di tale relazione, che varia fra -1 (relazione perfetta negativa) a +1(relazione perfetta positiva), passando per lo zero (assenza di correlazione lineare).

3 La relazione positiva indica che all’aumentare di una aumenta anche l’altra, (per esempio, atteggiamento conservatore e autoritarismo, oppure test di abilità cognitiva e medie di voti scolastici) mentre la relazione negativa indica che all’aumentare dell’una l’altra diminuisce, (per esempio età cronologia e test di memoria)

4 Osserviamo in un grafico, detto diagramma di dispersione, alcuni casi possibili di correlazione, usando due variabili standardizzate.

5 Correlazione positiva
È possibile tracciare una retta che passi vicino a molti punti corrispondenti alle osservazioni compiute (ovvero che approssimi bene i punteggi). La retta passerà nel primo e terzo quadrante degli assi cartesiani.

6 Correlazione negativa
È possibile tracciare una retta che passi vicino a molti punti corrispondenti alle osservazioni compiute (ovvero che approssimi bene i punteggi). La retta passerà nel secondo e quarto quadrante degli assi cartesiani.

7 * Perché le rette sono inclinate in questo modo?
Proviamo a moltiplicare tra loro i segni delle variabili dipendente e indipendente nei vari quadranti: + + = + - + = - - - = + + - = - correlazione positiva correlazione negativa

8 Assenza di correlazione
Non è possibile tracciare una retta che passi molto vicino ai punti corrispondenti alle osservazioni compiute (ovvero che approssimi bene i punteggi). I punti sono sparsi più o meno equamente nei quattro quadranti degli assi cartesiani.

9 Correlazione non lineare (curvilineare)
Per approssimare in modo adeguato i punteggi occorre tracciare non una retta, come negli esempi precedenti, ma una curva. Questo esempio di correlazione non sarà trattato.

10 Come quantificare questa relazione?
Con la media dei prodotti dei punti zeta rxy = coefficiente di correlazione di Bravais - Pearson zxi = punteggio standardizzato relativo alla variabile indipendente x ottenuto da un soggetto i zyi = punteggio standardizzato relativo alla variabile dipendente y ottenuto da un soggetto i N = numerosità del campione 10

11 Trasformazione in punti zeta quadrato del punteggio
soggetto test K scarto dalla media quadrato dello scarto quadrato del punteggio punto zeta (*) Anna 1 -3,4 11,56 -1,247 Brigida 2 -2,4 5,76 4 -0,880 Carlo -0,4 0,16 16 -0,147 Delia 7 2,6 6,76 49 0,953 Enrico 8 3,6 12,96 64 1,320 somma 22 37,2 134 media 4,4 7,44 26,8 varianza 7, [trovato con (26,8 – (4,4)2] dev stand 2,728 (*) z= (grezzo - media)/dev. stand.

12 Retta di trasformazione dei punti zeta e degli scarti dalla media

13 Esempio di calcolo -0,76 Anna 1 -1,25 9 1,53 -1,91 Brigida 2 -0,88 7
soggetto Test R punto zeta R [zx] Test Q punto zeta Q [zy ] Prodotto [zx· zy] Anna 1 -1,25 9 1,53 -1,91 Brigida 2 -0,88 7 0,77 -0,67 Carlo 4 -0,15 -1,15 0,17 Delia 0,95 -0,38 -0,37 Enrico 8 1,32 3 -0,77 -1,01 somma 22 25 -3,80 media 4,4 5 -0,76 varianza 7,44 6,8 dev stand 2,73 2,61 [correlazione= sommatoria(zx· zy)/ N]

14 Caratteristiche del coefficiente di correlazione di Bravais-Pearson (rxy)
Varia fra -1 (correlazione negativa perfetta) e +1 (correlazione positiva perfetta). Se r = 0 : correlazione lineare assente. Indice standardizzato, e non una misura, quindi senza dimensione.

15 Calcolo del coefficiente r usando i dati grezzi
soggetto Test R Quadrato di R Prodotto di R · Q Test Q Quadrato di Q Anna 1 9 81 Brigida 2 4 14 7 49 Carlo 16 8 Delia 28 Enrico 64 24 3 somma 22 134 83 25 159 media 4,4 26,8 16,6 5 32 varianza 7,44 6,8 dev. stand. 2,728 2,608

16 Formula che usa le cinque somme
Dall’esempio precedente: ΣX=22 ΣX2=134 ΣY=25 ΣY2=159 ΣXY=83 N = 5 Quindi, applicando la formula, troverò:

17 Coefficienti di correlazione e grafici corrispondenti

18 Il coefficiente di determinazione
Il quadrato del coefficiente di correlazione (r2) indica la quota di varianza comune fra le due variabili. Se moltiplicato per 100, indica la percentuale di varianza comune fra le due variabili. Esempio: rxy =-50, r2xy = 0,25 = 25 % varianza comune

19 Valori di r e interpretazione possibile
<0,30 Inifluente, importante solo per ragioni teoriche 0,30 basso 0,40 dicreto 0,50,-0,60 Buono o molto buono 0,70 Eccellente ,80 Fantastico, 0,90 sospetto 0,9 - 0,99 Stessa variabili, correlazione fra somme delle stesse variabili I coefficienti di correlazione in psicologia sono suscettibili di questa interpretazione

20 Variabilità di r Ecco 100 estrazioni di 3 5 10
40 coppie di dati casuali, presentati come istogrammi.

21 Altri coefficienti di correlazione
Coefficiente punto-biseriale Coefficiente fi (φ) Sono strettamente equivalenti al coefficiente di correlazione prodotto- momento di Bravais-Pearson. Si usano quando una (pb) o entrambe (fi) le misurazioni sono dicotomiche. La differenza di nome e di formula aveva senso quando era importante disporre di forme abbreviate di calcolo. Non c’è nessuna differenza nei risultati se non la formula e il nome.

22 Altri coefficienti di correlazione
Quando una o entrambe le variabili sono dicotomiche, ma presuppongono una distribuzione continua e normale (es: accordo per un item) si usano i coefficienti: Biseriale Tetracorico (entrambe dicotomiche).

23 Il coefficiente policorico
Si usa con le variabili continue che presuppongono una partizione in più parti (non solo in due come per il c. tetracorico), tipica degli item di un questionario. Si usa generalmente nei programmi di modellistica strutturale (SEM, LISREL). Richiede molte centinaia di casi per il calcolo