Pearsonin korrelaatiolla saa laskettua korrelaatioita kahden muuttujan välillä, mutta mitäpä tehdä jos haluaisi laskea korrelaation kahden muuttujaryhmän välillä ja lisäksi laskea tälle todennäköisyyden? Esim. psykologian alalta: esitetään ryhmälle ihmisiä joukko ärsykkeitä ja tehdään samalla mittauksia kahdella eri menetelmällä, ja sitten haluttaisiin laskea korrelaatio näiden mittausten välille (huomioiden kaikki esitetyt ärsykkeet)?
Korrelaatio muuttujaryhmille?
tilastotimpuri
5320
0Äänestä
Muut lukivat myös
Odottaa vastausta
Näihin keskusteluihin ei ole vielä vastattu. Ole ensimmäinen.
Vastaukset 5
Vanhimmat
Vähän epäselvää, mihin pyrit, mutta r:ää ei tuosta voi laskea. Diskriminanttianalyysi lienee paras vaihtoehto ryhmien vertailemiseksi. Sieltä saa ohjelmistosta riippuen monenlaisia etäisyystunnuslukuja, jotka ajavat saman asian. Myös K-means -klusterianalyysi tunnuslukuineen on sopiva menetelmä ryhmien vertailuun. Jos nyt sitten ymmärsin ogelman oikein.
Jos tilanne vertailussa on 2 ryhmää ja 2 eri ärsykettä, niin MANOVA sitten. Tai regeerssioanalyysi, jossa erilaiset ärsykkeet on koodattu dummyina.
Kiitos vastauksesta, mutta en usko, että onnistuu näillä.
Pearsonin korrelaatiota voitaisiin käyttää, jos tilanne olisi seuraava: N:n henkilön koehenkilöryhmälle on esitetty yksi ärsyke, jonka aikana on tehty mittaukset Xi ja Yi (i=1..N). Nyt voitaisiin laskea Pearsonin korrelaatio muuttujille X ja Y.
Tilanne on muuten vastaava, paitsi että ärsykkeitä on esitetty yhden sijasta M kappaletta, eli on tehty mittaukset Xij ja Yij (i=1..N, j=1:M). Edelleen haluttaisiin jokin korrelaatiota vastaava tunnusluku muuttujille X ja Y. Ryhmiä on ainoastaan yksi, koehenkilöitä noin 60 (N=60), ärsykkeitä kymmenen (M=10) ja mittauksia on kaksi (X ja Y).
Diskriminanttianalyysi ei ilmeisesti onnistu tällaisessa within-subjects-asetelmassa. MANOVA ei varmaankaan auta, koska halutaan laskea samankaltaisuus mittausten välille. Regressioanalyysi ei onnistu, kun riippuvia muuttujia on useita. Kanoninen korrelaatio menisi menetelmänä lähimmäksi, paitsi että tässä tiedetään jo valmiiksi mistä osajoukoista ollaan kiinnostuneita.
Yksi menetelmä voisi olla laskea korrelaatiot koehenkilöittäin ärsykkeiden Xj ja Yj (j=1:M) välille ja testata sen jälkeen ryhmätasolla, eroaako korrelaatioiden keskiarvo nollasta esim. t-testillä.
Tämmöinen yleistys korrelaatiolle löytyisi, mutta tilastollinen testaaminen on sitten eri juttu, ja menetelmä ei ole mitään standardikamaa: http://en.wikipedia.org/wiki/RV_coefficient
Jos on mahdollista käyttää MCMC menetelmiä niin voisiko X:lle ja Y:lle antaa sopivan yhteisjakauman ja siihen kovarianssirakenteen, joka estimoitaisiin. Jos tuon tekisi esim. jollain BUGS-tyyppisellä ohjelmalla niin samalla hoituisi myös tilastolliseen merkitsevyyteen liittyvä ongelma, kun tulokset saa suoraan (posteriori)todennäköisyyksinä.
Ok, kiitti vinkistä. Monte carlot menee mun osaamisen ulkopuolelle, mutta pitääpä selvitellä.
SOM (itseorganisoituvilla piirrekartoilla ) onnistuu... eli voidaan hakea todennäköisyys tyyliin best matching unit tai vastaava. Jos ajatellaan että ihmisille esitetään kymmeniä monivalintakysymyksiä esim. treffipalvelussa tai vaalikoneessa ja halutaan löytää todennäköisyys kuinka hyvin omat toiveet osuvat yksiin neiti x:n tai ehdokas X:n antamien vastausten suhteen eli käytännössä korrelaatio prosentti laskentaa... tää kyllä saattoi mennä ohi aiheen mutta antaa ajattelemisen aihetta lisää...