• Shuffle
    Toggle On
    Toggle Off
  • Alphabetize
    Toggle On
    Toggle Off
  • Front First
    Toggle On
    Toggle Off
  • Both Sides
    Toggle On
    Toggle Off
  • Read
    Toggle On
    Toggle Off
Reading...
Front

Card Range To Study

through

image

Play button

image

Play button

image

Progress

1/12

Click to flip

Use LEFT and RIGHT arrow keys to navigate between flashcards;

Use UP and DOWN arrow keys to flip the card;

H to show hint;

A reads text to speech;

12 Cards in this Set

  • Front
  • Back

Grafikon raspršenja (eng. scatterplot)

Osnovni tip grafikona kojim se predstavlja povezanost izmeđudvije dimenzione varijable. Na x-osi obično se nalazi mjerna skala za prediktorsku/nezavisnu varijablu, a na Y-osi skalakriterijske/zavisne. Pozicija pojedinačnog elementa predstavlja skor ispitanika na X i Y varijabli, i običnose predstavlja nekim kružnim oblikom.

Matrica grafikona raspršenja (eng. scatterplot matrix, draftman’s plot)

Predstavlja prostu matricuviše grafikona raspršenja od interesa (npr. između svih dimenzionih varijabli ili koristeći izbor X i Yvarijabli).

Koeficijenti korelacije

Standardizovane mjere povezanosti između varijabli. Standardizovane znači da se povezanost između različitih parova varijabli izražava na istoj mjernoj skali. Smjer povezanosti se izražava predznakom, dok se njena snaga izražava na skali od 0 do 1. Drugim riječima, ova mjerna skala ima teorijski raspon od -1 do +1 (teorijski maksimum).

Saopštavanje vrijednosti koeficijenta korelacije

Pri saopštavanju se obično izostavlja brojka 0 koja bi došla sa lijeve strane decimalnog znaka.Korelacije se obično saopštavaju na dvije decimale tačnosti (npr. .34).Predznak se obično ne navodi kada je korelacija pozitivna.

Interpretacija snage koeficijenata korelacije (Cohen-ova klasifikacija)

.00 - .09 zanemariva, marginalna povezanost


.10 - .29 niska povezanost


.30 - .49 umjerena povezanost


≥ .50 visoka povezanost


Ipak, svako pojedinačno istraživanje zahtijeva tumačenje dobijene veličine koeficijenta korelacija u zavisnosti od: prethodnih teorijskih očekivanja, ranijih empirijskih istraživanja i/ili praktičnog značaja na koje visina korelacije može ukazivati.

Koeficijent determinacije

Kvadrirana vrijednost koeficijenta korelacije. Kreće se u rasponu od 0 do 1, ali nema smjer (uvijek je pozitivan, usljed kvadriranja). Njegova visina pokazuje proporciju zajedničkog varijabiliteta ishodišne varijable i eksplanatorne varijable.

Koeficijent indeterminacije

Proporcija neobjašnjenje varijanse. Izračunava se po formuli: 1 - koeficijent determinacije.

Tumačenje koeficijenta korelacije

Na osnovu koeficijenta korelacije se može reći da, u slučaju pozitivnih korelacija, rast vrijednosti jedne varijable prati istovremeni rast druge varijable, a u slučaju negativnih korelacija, da rast vrijednosti jedne varijable prati pad vrijednosti druge varijable.Razlozi za ovu povezanost mogu biti: kauzalni odnosom između varijabli, sistematsko dejstvo neke treće varijable koja je njihov zajednički uzročnik ili obična posljedica slučajnosti.

Linearni koeficijent korelacije (Pearson-ov koeficijent)

Predstavlja snagu i smjer odnosa 2 varijable koji se može izraziti linearnom funkcijom, odnosno grafički predstaviti jednom pravom linijom na grafikonu/dijagramu raspršenja.Što je korelacija viša, to su manja odstupanja pojedinačnih skorova (tačkica) od prave linije koja predstavlja odnos varijabli.

Uslovi za korišćenje linearnog koeficijenta korelacije

1. Obje varijable su dimenzione.


2. Odnos između varijabli je, u dovoljnoj mjeri, linearan.


3. Ne postoje značajni ekstremni skorovi koji mogu da neopravdano mnogo utiču na vrijednost r.

Restrikcija/ograničenje opsega

Slaba procjena populacione vrijednosti, koja se može desiti ukoliko se uzorkom ne zahvati čitav opseg varijable.

Spearman-ov koeficijent rang-razlike (rang koeficijent korelacije)

Alternativa Pearson-ovom koeficijentu. Sirovi skorovi za obje varijable se pretvaraju u rangove i onda se na njima izračunava Pearsonov koeficijent.Ovim se postupkom značajno eliminišu efekti ekstremnih skorova i kontroliše se nelinearnost odnosu u slučaju kada je veza između dvije varijable monotono rastuća ili monotono opadajuća. Međutim, ne pomaže kada postoji veza između varijabli koja do određene tačke raste, a zatim opada (nemonotona veza).