الارتباط ثنائي المتغير مقابل الارتباط الجزئي: الفرق والمقارنة

يتم تصنيف الارتباطات إلى شكلين في الإحصاء ، أي الارتباطات ثنائية المتغير والارتباطات الجزئية. الارتباط هو مدى واتجاه ارتباط متغيرين - بمعنى آخر ، مدى فعالية معرفة أحدهما من الآخر.

يمكن أن تكون العلاقات المشتركة بين متغيرين إيجابية أو متفائلة أو منحنية. تستخدم المقاييس العددية لقياسها والتعبير عنها. يقال أن الارتباطات تكون إيجابية عندما تزيد بشكل متزامن وسلبية عندما تنخفض قيمتها.

الوجبات السريعة الرئيسية

1. يقوم الارتباط ثنائي المتغير بفحص العلاقة بين متغيرين ، بينما يقوم الارتباط الجزئي بتقييم الاتصال بعد التحكم في متغير واحد أو أكثر.
2. يمكن أن يتأثر الارتباط ثنائي المتغير بعوامل مربكة ، لكن الارتباط الجزئي يزيل تأثيرها لتقديم رؤى أوضح.
3. الارتباط الجزئي أكثر تعقيدًا في حسابه وتفسيره من الارتباط ثنائي المتغير ، مما يتطلب تقنيات إحصائية إضافية.

ثنائي المتغير مقابل الارتباط الجزئي

ذات المتغيرين ارتباط هي طريقة إحصائية تستخدم لقياس قوة واتجاه العلاقة الخطية بين متغيرين. الارتباط الجزئي هو طريقة إحصائية تستخدم لقياس العلاقة بين متغيرين مع التحكم في تأثيرات بعض المتغيرات.

يتم تطبيق الارتباط ثنائي المتغير لتحديد ما إذا كان هناك متغيرين مرتبطين أم لا. ويقيم كيفية تغير المتغيرات في نفس الوقت.

يساعد الفحص من خلال طريقة المتغير الثنائي من خلال استكشاف عناصر متعددة في وقت واحد. يحاول هذا التحليل تحديد العلاقة الخطية بين متغيرين.

الارتباط الجزئي يختلف عن ثنائي المتغير ؛ يزيل المتغير الإضافي للدلالة على الارتباط بين متغيرين. تساعد هذه الطريقة في حساب الارتباط بين المتغيرات من خلال شطب تأثير المتغير الثالث.

يمكن أن يؤدي بشكل مثير للإعجاب في الانحدار المتعدد. في ظل هذا النوع من الارتباط ، يتم تجميع البيانات القيمة لاكتشاف الروابط الخفية وتحديد الارتباطات.

جدول المقارنة

معلمة المقارنة	الارتباط ثنائي المتغير	الارتباط الجزئي
تعريف	يقيس العلاقة بعد التحكم في المتغيرات الأخرى	يقيس العلاقة بعد التحكم في المتغيرات الأخرى
الربحية	متغيرين.	درجة المتغيرات الأخرى
المتغيرات	غالبًا ما يُشار إليها باسم X و Y	متغيرين عشوائيين ، مثل X و Y و X و Z أو Y و Z
رمز	بيرسون 'r' (R)	rYX.W
تستخدم للحصول على	يستخدم للحصول على معامل الارتباط الذي يصف قياس العلاقة بين متغيرين خطيين	تستخدم للحصول على معاملات الارتباط بعد التحكم في متغير واحد أو أكثر

ما هو الارتباط ثنائي المتغير؟

الارتباط ثنائي المتغير مناسب لتقييم الافتراضات البسيطة للارتباط والسببية. يذهب التحليل ثنائي المتغير إلى أبعد من ذلك في الوصف ؛ يفحص العلاقات المتعددة بين المتغيرات المتعددة في وقت واحد.

طول وعرض الكائن مثالان على الارتباط ثنائي المتغير.

عندما يكون أحد المتغيرات تعسفيًا ، أو يصعب قياس أي متغير ، يمكن أن يساعد الارتباط ثنائي المتغير في فهم وتوقع نتيجة المتغيرات الأخرى.

يمكن قياس الارتباط ثنائي المتغير باستخدام مجموعة متنوعة من الاختبارات، مثل مخطط التشتت واختبار بيرسون للارتباط بين المنتج واللحظة. يتم استخدام مصفوفة الارتباط لتمثيل نتائج اختبار هذا الارتباط.

الارتباط هو قيمة واحدة بين -1 و +1 تعكس شدة الارتباط أو التواجد المشترك بين متغيرين.

تُعرف هذه الإحصائية ، التي تحدد قوة الارتباط ، بمعامل الارتباط ، ويُرمز إليها عادةً بالحرف "r".

معامل الارتباط اللحظي للمنتج هو الاسم الثاني لمعامل الارتباط بين متغيرين على المستوى المستمر.

تشير قيمة r الموجبة إلى وجود اتصال إيجابي بين المتغيرين (كلما كان A ممتازًا ، كان B ممتازًا). في المقابل ، تشير قيمة r السالبة إلى علاقة سلبية (كلما كان A أكبر ، كلما كان B أصغر).

لا تظهر قيمة الارتباط 0 أي علاقة بين المكونات. من ناحية أخرى ، تقتصر الارتباطات على العلاقات الخطية بين المتغيرات. قد توجد علاقة غير خطية حتى لو كان معامل الارتباط صفرًا.

ما هو الارتباط الجزئي؟

عندما يتم إزالة تأثير المتغيرات ذات الصلة من المعادلة ، فإن الارتباط بين متغيرين يسمى الارتباط الجزئي. إنه يؤدي بشكل رائع في الانحدار المتعدد.

إنها تقنية لشرح العلاقة بين مستقل المتغيرات مع تجاهل تأثير متغير آخر داخل العلاقة.

إنه يجمع المتغيرات لتحديد ما إذا كانت تظهر سلوكًا جماعيًا أم لا. الارتباط الجزئي مفيد في اكتشاف الاتصالات المخفية واكتشاف الارتباطات الخادعة.

توضح العلاقة بين وزن الشخص وطوله بعد التحكم في قيمة العمر ارتباطًا جزئيًا.

لنفترض أننا نرغب في تحديد مدى قوة العلاقة بين متغيرين مهمين من خلال استخدام معامل الارتباط الخاص بهم. في هذه الحالة ، ستوفر نتائج مضللة إذا كان هناك متغير آخر ، وهو متغير محير ومرتبط عدديًا بكلا المتغيرين محل الاهتمام.

يمكن أن يساعد التحكم في المتغير المؤثر ، والذي يتم تحقيقه من خلال حساب معامل الارتباط الجزئي ، في تجنب البيانات المضللة.

هذا هو السبب في أن الانحدار المتعدد يتضمن متغيرات الجانب الأيمن الإضافية ؛ ومع ذلك ، في حين أن الانحدار المتعدد يعطي نتائج غير منحازة فيما يتعلق بحجم التأثير ، فإنه لن يعطي قيمة عددية لمقدار العلاقة بين متغيرين مهمين.

الارتباط الجزئي له قيمة بين -1 و 1. تشير القيمة -1 إلى ارتباط سلبي مثالي يتحكم في متغيرات معينة ، 1 يشير إلى علاقة خطية موجبة كاملة ، ويشير 0 إلى عدم وجود علاقة خطية.

الاختلافات الرئيسية بين الارتباط ثنائي المتغير والارتباط الجزئي

1. يحدد الارتباط ثنائي المتغير ما إذا كان متغيرين متصلين أم لا. من ناحية أخرى ، يتم استخدام الارتباط الجزئي لتحديد العلاقة بعد تصحيح المتغيرات الأخرى.
2. الارتباط ثنائي المتغير هو قياس أو تحليل متغيرين. ومع ذلك ، فإن الارتباط الجزئي يقيم درجة وجود عوامل إضافية.
3. كثيرا ما تستخدم المتغيرات مثل X و Y في الارتباط ثنائي المتغير. يتضمن الارتباط الجزئي استخدام متغيرات عشوائية ، مثل X و Y و X و Z أو Y و Z.
4. رمز الارتباط ثنائي المتغير هو "r" (R) لبيرسون ، وبالنسبة للارتباط الجزئي ، فهو "rYX.W".
5. يتم استخدام الارتباط ثنائي المتغير لحساب معامل الارتباط ، والذي يوفر درجة الارتباط بين متغيرين خطيين. بعد التعديل لواحد أو أكثر من المتغيرات ، يتم استخدام الارتباط الجزئي للحصول على معاملات الارتباط.

مراجع حسابات

1. https://onlinelibrary.wiley.com/doi/abs/10.1002/jrsm.1126
2. https://www.tandfonline.com/doi/abs/10.1207/s15327906mbr3803_02

آخر تحديث: 13 يوليو 2023