推荐同事 机构合作 中文 繁體中文 English 한국어 日本語 Português Español

美国ACCDON公司旗下品牌

021-33632861,021-34612310

chinasupport@letpub.com

登录 注册 新注册优惠

文章中相关性分析报告的内容解读

相关性分析——比如最常见的Pearson相关性分析——是极具价值的统计学方法,用以确定变量之间是否存在相关关系以及相关程度的大小。

然而,人们对这一类分析结果的意义以及如何对结果进行表述经常有误解。我们今天就要把这个问题搞清楚。

首先,最佳步骤是参考期刊的指南。那些经常用到相关性分析的期刊通常对报告指标有明确要求,或者会提出参考其它机构的要求。这种情况下,请遵循这些特定的指南。

其次,在期刊没有特殊要求的情况下,你可以采取以下这些方法。必须要报告的内容有:

  • 相关系数(r)或决定系数(r2
  • 两个系数一起报告很有意义,但至少要报告其中一个。既然r2可以从r推导出来,通常报告一个就可以了。这通常跟目标变量有关。例如,求模型契合度时,主要关注的是相关性的强度(r),而一个自变量可以解释因变量的变化的比例(r2)则用来表达一个变量对另一个变量所产生的影响的重要性。
  • p值
  • p值在假设检验中被用来判断所检验的关系是否存在统计显著性。需要注意的是,不要认为p值跟所检验的关系的强度或重要性有任何关联。
  • 自由度
  • 现在许多期刊要求此项,因为自由度提供了计算统计学参数所使用的数据量的必要信息。
  • 样本大小
  • 报告上述统计信息时并不一定要同时报告样本大小,但实验设计一定要清楚地表明用于相关性分析的样本大小。
最后,明智的做法是为所有相关性分析附上散点图。因为相关性的强度是一个主观上的评价,所以应该给读者们一个直观评估数据的机会。作者不应该隐藏那些造成统计显著相关性的异常数据,比如聚集在相关关系两端的数据群。另外,把相关性分析中生成的回归方程放在图中也很重要。

(转载请注明来自LetPub中文官网:www.letpub.com.cn/index.php?page=sci_writing_106

(本文译自LetPub英文网站,题为:  Reporting correlations:https://www.letpub.com/index.php?page=Reporting_correlations

联系我们 | 站点地图 | 友情链接 | 授权代理商 | 人才招聘

© 2010-2018 中国: LetPub上海分公司 沪ICP备10217908号

United States: Tel: 1-781-202-9968 Address: 204 2nd Ave, Fl 1, Waltham, Massachusetts 02451