Mjere povezanosti između varijabli predstavljaju način sumiranja jačine veze između dvije ili više varijabli. Za dvije varijable kaže se da su povezane kada poznavanje informacija o jednoj varijabli može pomoći u predviđanju vrijednosti druge. Osim jačine, neke mjere povezanosti mogu otkriti i smjer veze između varijabli.
Termini korelacija i povezanost često se koriste kao sinonimi, ali neki autori među njima prave razliku. Prema njima, povezanost je širi pojam i obuhvata bilo kakvu vrstu veze između varijabli, dok se pod korelacijom obično podrazumijeva samo linearna veza između varijabli. Mnogi autori analizu povezanosti varijabli svrstavaju u deskriptivnu statistiku, a ne u statistiku zaključivanja.
Analiza veze između varijabli podrazumijeva utvrđivanje vrste, intenziteta i smjera povezanosti između dvije ili više varijabli.
Vrste povezanosti između varijabli
Mjere povezanosti mogu biti linearne i nelinearne. Linearna povezanost označava vrstu povezanosti između varijabli kod koje se vrijednost jedne varijable iskazuje preko druge varijable, koeficijenta kojim se ona množi i konstante koja se dodaje tom proizvodu. Matematički se linearna povezanost prikazuje na sljedeći način:
Y = a + b*X
gdje su X i Y varijable čija se povezanost posmatra, a je konstanta, a b je koeficijent uz X.
Linearna veza grafički se predstavlja pravom linijom. Nelinearna asocijacija označava povezanost varijabli kod koje se veza između varijabli ne može svesti na linearnu vezu, a grafički predstavljena može imati oblik krive različitih oblika.
Intenzitet povezanosti između varijabli
Intenzitet povezanosti govori o proporciji u kojoj promjena jedne varijable izaziva promjenu druge varijable. Generalno pravilo je da potpuna povezanost postoji kada promjena jedne varijable prati promjenu druge varijable u istoj mjeri, dok potpuna nepovezanost postoji kada promjena vrijednosti jedne varijable uopće ne prati vrijednost druge varijable. Ovakvi ekstremi su u praksi veoma rijetki. Potpuna povezanost postoji kada sve tačke na dijagramu raspršenja leže tačno na pravoj liniji. Obično je povezanost između ova dva ekstrema, pa govorimo o slaboj, umjerenoj, jakoj i veoma jakoj povezanosti između varijabli. Ovakve kategorizacije u velikoj su mjeri proizvoljne i služe za lakše tumačenje odnosa koji postoje između varijabli.
Smjer povezanosti između varijabli
Odnos između dvije varijable može biti upravo proporcionalan ili obrnuto proporcionalan. To se naziva i pozitivnom, odnosno negativnom korelacijom. Pozitivna povezanost između dvije varijable postoji kada porast vrijednosti jedne varijable u prosjeku dovodi do veće vrijednosti druge varijable. Obrnuto je kod negativne povezanosti - porast vrijednosti jedne varijable u prosjeku dovodi do manjih vrijednosti druge varijable. Ova karakteristika povezanosti naziva se smjer povezanosti.
Treba praviti razliku između simetričnog i asimetričnog tipa povezanosti. Kod simetričnog tipa povezanosti promjena vrijednosti varijable X prati promjenu vrijednosti varijable Y i, obrnuto, promjena vrijednosti varijable Y prati promjenu vrijednosti varijable X. Asimetrični tip povezanosti označava vezu kod koje promjena vrijednosti jedne varijable utiče na promjenu vrijednosti druge varijable, ali obrnuto ne važi. Asimetrična povezanost postoji kod kauzalnih veza, tj. kada su pojave koje mjerimo u uzročno-posljedičnoj vezi.
Moguće je da povezanost između dvije varijable postoji u cijelom domenu u kojem su varijable definirane. Tada govorimo o neprekidnoj asocijaciji. U suprotnom, ako povezanost postoji samo u dijelu domena u kojem su varijable definirane, radi se o isprekidanoj asocijaciji.
Metode utvrđivanja povezanosti varijabli
Mjere povezanosti mogu se odrediti različitim vrstama analize, a sve su zasnovane na konceptu proporcionalne redukcije greške. Metode za otkrivanje povezanosti mogu se zasnivati na grafičkom prikazu odnosa ili na nekoj vrsti koeficijenta. U praksi se najčešće koriste dijagram raspršenja i koeficijent korelacije.
Dijagram raspršenja omogućava brzo uočavanje povezanosti između varijabli, jer vizualno prikazuje jačinu i smjer veze, ali ne daje precizne numeričke pokazatelje te povezanosti. S druge strane, koeficijenti preciznije kvantificiraju vezu, ali iskazuju prosjek, a njihovo tumačenje je složenije. Zato se ove dvije metode često kombiniraju tako što se prvo nacrta dijagram raspršenja, a zatim se pristupa preciznijoj analizi pomoću nekog od koeficijenata. Izbor metode za utvrđivanje povezanosti zavisi i od vrste varijabli čija se povezanost ispituje.
Za utvrđivanje relacije između varijabli moguće je koristiti i druge metode. Kada istraživanje uključuje više varijabli, radi analize njihove povezanosti kao jedan od prvih koraka u istraživanju konstruira se matrica koeficijenata korelacije, koja sadrži koherentan prikaz svih parova veza između varijabli u istraživanju i uključuje informacije o koeficijentu korelacije i njegovoj statističkoj značajnosti. Regresiona analiza omogućava izračunavanje koeficijenta višestruke korelacije i parcijalnih koeficijenata korelacije, koji omogućavaju utvrđivanje povezanosti više od dvije varijable. Za utvrđivanje povezanosti mogu se koristiti i χ2 test povezanosti, relativni rizik i omjer šansi i dr.
Komentari (0)