Citazione:
Originalmente inviato da angelobev  Intendo dire magari corredate da esplicazioni e commenti personali.
Il semplice inserire link può non essere sufficiente e l'utente che legge gradisce anche avere altre indicazioni meglio se accessibili.
Il forum comprende professori e studenti ma anche tipi che sanno a malapena leggere che, però, vorrebbero capirne di più.
A fare il copia/incolla sono capaci tutti.
E non ditemi che non si era capito.
Inviato con scocciofono e ditoni.
Scusate gli errori... [emoji51] |
Ho fatto tradurre a google alcune frasi dal link che ci ha indicato:
Cosa fa questo test?
Il coefficiente di correlazione momento-prodotto di Pearson (o coefficiente di correlazione di Pearson, in breve) è una misura della forza di un'associazione lineare tra due variabili ed è indicato da r. Fondamentalmente, una correlazione momento-prodotto di Pearson tenta di tracciare una linea di adattamento ottimale attraverso i dati delle due variabili e il coefficiente di correlazione di Pearson, r, indica quanto tutti questi punti di dati si trovano a questa linea di adattamento ottimale (ovvero, come bene i punti dati si adattano a questo nuovo modello / linea della migliore misura).
Ci sono linee guida per interpretare il coefficiente di correlazione di Pearson?
Sì, sono state proposte le seguenti linee guida:
Coefficiente, r
Forza dell'associazione negativa positiva
Piccolo da 0,1 a 0,3 da -0,1 a -0,3
Media da 0,3 a 0,5 da -0,3 a -0,5
Grande da 0,5 a 1,0 da -0,5 a -1,0
Ricorda che questi valori sono linee guida e se un'associazione è forte o no dipenderà anche da ciò che stai misurando.
La correlazione momento-prodotto di Pearson non considera se una variabile è stata classificata come variabile dipendente o indipendente. Tratta tutte le variabili allo stesso modo. Ad esempio, potresti voler scoprire se le prestazioni del basket sono correlate all'altezza di una persona. Pertanto, è possibile tracciare un grafico delle prestazioni rispetto all'altezza e calcolare il coefficiente di correlazione di Pearson. Diciamo, ad esempio, che r = .67. Cioè, con l'aumentare dell'altezza, aumenta anche la prestazione del baseball. Questo ha senso. Tuttavia, se avessimo tracciato le variabili al contrario e volessimo determinare se l'altezza di una persona è stata determinata dalle loro prestazioni di basket (il che non ha senso), avremmo comunque ottenere r = .67. Questo perché il coefficiente di correlazione di Pearson non tiene conto di alcuna teoria alla base del perché hai scelto le due variabili da confrontare.
Debbo dire che ora é tutto molto chiaro!
Claudio