Korrelációszámítás,

rangkorrelációszámítás
Cél
Mikor alkalmazzuk a korrelációszámítást, mikor
rangkorrelációszámítást?
A kovariancia fogalma és értelmezése
A korreláció vizsgálata (ábrázolás, kapcsolaterősség
mérése, teszt)
A rangkorreláció mérőszámai (ábrázolás,
kapcsolaterősség mérése, teszt)
Megértéshez szükséges előismeretek
Mérési szint
Pontdiagram
Szórás
 Kapcsolattípusok
Együtt mozgást vizsgálunk, NEM OK-OKOZATI Viszonyt!

Mérési szint Nominális Ordinális Skála

Nominális

Rangkorreláció
Ordinális

Korreláció
Skála

Kapcsolattípus Mikor Kapcsolatmérő

mutató(k)
Asszociáció 2 Kategoriális változó között, ha legalább az egyik nominális C,T
Vegyes kapcsolat 1 kategoriális és 1 skála (metrikus) változó között H
Rangkorreláció 2 ordinális változó között vagy skála változó sorrendje között rs
Korreláció 2 vagy több skála változó között rxy ,R
Példa
Korrelációszámítás
Skálaváltozók közötti kapcsolat vizsgálata
Mik között vizsgálható?
 Ha a változók eredeti értékei hordozzák az információt:
korreláció
 Ha a rangsor hordoz információt: rangkorreláció
Milyen viszonyításban nézhető korreláció?
 Változópárok között: páronkénti korreláció.
 1 db változó vs. Egy változó csoport: többszörös
(rang)korreláció
 2 változócsoport között.
 Példa
Iskolai végzettség és elvárt bruttó kereset Elvárt bruttó kereset átlaga és országos
átlaga, 2016 átlagkereset, Ft 2016

450,000 500,000
postgraduális végzettség

Országos bruttó átlagkereset, Ft

300,000 400,000 egyetemi végzettség
főiskolai végzettség
Bruttó kereset , Ft

150,000 300,000

0 200,000 érettségi OKJ

középfokú végzettség
g gi g g
s é é s é s é érettségi nélkül

e tt tts e tt e tt alapfokú végzettség

e z 100,000
é gz ér ég ég
z
v v v
kú lai á lis 0
fo o u
a p isk a d
al ő
f
t gr
s
po
Elvárt bruttó keresetek átlaga, Ft
Elvárt bruttó keresetek átlaga, Ft
Országos átlagkereset, Ft
Korreláció
Egyelőre párok kapcsolatával foglalkozunk!
Hogyan vizsgálható?
 Pontdiagram
 Kapcsolatmérő mutató(k)
 Teszt
Mit sejthetünk meg egy ábra alapján?
Korreláció ábrátolása: pontdiagram
 Pontdiagram Pontdiagram

1600 1600
1400 1400
1200 1200
1000 1000
800 800
y

y
600 600
400 400
200 200
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
x x

Pontdiagram Pontdiagram

1600 1600
1400 1400
1200 1200
1000 1000
800
y

800
600 y 600
400
400
200
200
0
0
0 5 10 15 20 25 30
0 5 10 15 20 25 30
x
x
Korreláció mérőszámai
Lineáris esetben: Pearson-féle lineáris
korrelációs együttható
Nemlináris esetben: korrelációs index (később
tárgyaljuk)
 Lineáris korrelációszámítás alapja: kovariancia

X , Y független, ha E ( X  Y )  E ( X )  E (Y ), azaz
 X Y
 X Y
n
n n

x y i i  ( x  x )( y
i i  y)
C xy : i 1
xy C xy  i 1

n n

Kovariancia: metrikus változók között csak a kapcsolat

irányát mutatja meg.
C xy   x y 
1 - nél lehet nagyobb is  a kapcsolat erőrősségénem tudja jellemezni .
 A kapcsolat jellemzése:
Lineáris korrelációs együttható

C xy   x y  𝐶 𝑥𝑦
𝑟 𝑥𝑦 =
𝜎 𝑥𝜎 𝑦

Értéke: [-1;+1]
Megadja a kapcsolat
 Irányát
 Erősségét
 Lineáris korrelációs együttható alkalmazási
feltételei
Monotonitás
Linearitás
 Ha nem teljesül alá mér a mutató
NE legyenek outlierek (kiugró értékek)
rxy =0,9 rxy=0,43
Outlier lehetséges kezelése
Kezelés korrelációszámításnál
 Megfigyelések elhagyása
 Intenzitási viszonyszámok, más változók alkalmazása
 Kiugró érték helyettesítése
 Korreláció helyett rangkorreláció
Amennyiben több, mint két változónk
van….
Minden változó pár között ki tudjuk számítani a
 Kovarianciát
 Korrelációt
Az eredményeket mátrixokba (táblázatokba
rendezzük)
Varaiancia-kovariancia mátrix
Változópárok közötti kovarianciát tartalmazza.
  y2 C yx1  C yxm  y változó
 
=
 C x1 y  x1
2
C x1xm  x1 változó
C
  
 2 
C xm y C xm x1  xm  x m változó
Korrelációs mátrix
Változópárok közötti korrelációs együtthatót tartalmazza.
 1 ryx1  ryxm  y változó
r 1 rx1xm  x1 változó
R 1
x y

  
 
rxm y rxm x1 1  x m változó

Milyen tulajdonságai vannak e mátrixnak?

(elemek, főátló)
 A páronkénti korreláció grafikus reprezentációja

Pontdiagramok
Hőtérkép

Forrás: https://blogs.sas.com/content/iml/files/2018/04/ReorderSingleLinkCluster1.png
Korrelációs együttható tesztje
H0: nincs szignifikáns kapcsolat a 2 változó között

A t-függvény alkalmazási feltétele: normális eloszlású

változók
Rangkorreláció vizsgálata
Cél
A rangkorreláció
alkalmazási eseteinek megértése,
a kapcsolat erősségének jellemzése,
a kapcsolat vizsgálata minták esetében.

Rangszám, kapcsolt rang fogalmának megértése

Példa: van-e kapcsolat országok versenyképességi rangsora és
intézményi keretrendszer rangsora között?

Forrás: https://www.google.com/url?sa=i&url=https%3A%2F%2Fwww.imd.org%2Fresearch-knowledge%2Farticles%2Finstitutions-and-social-openness-unlock-competitiveness
%2F&psig=AOvVaw0-CFFZ7DDdrn34Ibqto-TP&ust=1582045699597000&source=images&cd=vfe&ved=0CAIQjRxqFwoTCLD5wdGJ2ecCFQAAAAAdAAAAABAD
 Kapcsolattípusok
Együtt mozgást vizsgálunk, NEM OK-OKOZATI Viszonyt!

Mérési szint Nominális Ordinális Skála

Nominális

Ordinális Rangkorreláció

Skála

Kapcsolattípus Mikor Kapcsolatmérő

mutató(k)
Asszociáció 2 Kategoriális változó között, ha legalább az egyik nominális C,T
Vegyes kapcsolat 1 kategoriális és 1 skála (metrikus) változó között H
Rangkorreláció 2 ordinális változó között vagy skála változók sorrendje között rs
Korreláció 2 vagy több skála változó között rxy ,R
 Hogyan vizsgálható a rangkorreláció, mint
kapcsolat?
 Az ismérvváltozatok kategóriáknak is tekinthetők, működhet a
kereszttábla-elemzés, de …..

a változók mérési
Az ismérvek
sorrendisége,
Rangsorok
(sorrendek)
xi  Rxi
szintje legalább
rangsora is kapcsolatát
ordinálás.
információt hordoz vizsgáljuk yi  R y i

 Rangszámok (Rx , Ryi): adott ismérvváltozat hányadik

i

elem a rangsorban.
A rangsor növekvő és csökkenő is lehet,
de a változók rendezése azonos kell, hogy legyen!
Kapcsolt rang

 Ha egy változónak több egyforma értéke is előfordul, akkor

milyen rangszámokat alkalmazzunk?
 Ilyenkor a megfelelő sorszámok számtani átlagát rendeljük az azonos
értékekhez. Ezeket nevezzük kapcsolt rangoknak.
x Rx x Rx x Rx
20 1 20 1 20 1
22 2 22 2,5 22 3
24 3 22 2,5 22 3
25 4 25 4 22 3
A kapcsolat erősségének jellemzése Spearman-féle
rangkorrelációs együttható.
 Alapja: Rangszámokon alkalmazott korrelációs együttható
 Empíriában alkalmazott képlet:
N
6 ( R x  R y ) 2
i i

rS  1  i 1

N ( N 2  1)
 Értéke [-1;+1].
 Megadja a kapcsolat irányát és erősségét
 a változók jelölése (x,y) irreleváns.
 Problémák
Korrelációs együttható tesztje
H0: nincs szignifikáns kapcsolat a 2 változó között