Maling kahulugan kahulugan

Ano ang Isang Malas na Korelasyon?

Ang isang kabaligtaran na ugnayan, na kilala rin bilang negatibong ugnayan, ay isang salungat na relasyon sa pagitan ng dalawang variable na lumipat sila sa kabaligtaran ng mga direksyon. Halimbawa, sa mga variable A at B, habang ang A ay tumataas, B ay bumababa, at habang bumababa ang A, tumataas ang B. Sa istatistika ng terminolohiya, ang isang kabaligtaran na ugnayan ay ipinapahiwatig ng koepisyentong ugnayan ng "r" na mayroong isang halaga sa pagitan ng -1 at 0, na may r = -1 na nagpapahiwatig ng perpektong baligtad na ugnayan.

Mga Key Takeaways

Kahit na ang dalawang hanay ng data ay maaaring magkaroon ng isang malakas na negatibong ugnayan, hindi ito nangangahulugang ang pag-uugali ng isa ay may anumang impluwensya sa o sanhi ng relasyon sa iba pang.Ang ugnayan sa pagitan ng dalawang variable ay maaaring magbago sa paglipas ng panahon at maaaring magkaroon ng mga tagal ng positibong ugnayan mabuti.

Graphing Maling Korelasyon

Dalawang hanay ng mga puntos ng data ay maaaring naka-plot sa isang graph sa isang x at y-axis upang suriin para sa ugnayan. Ito ay tinatawag na isang diagram ng pagkakalat, at ito ay kumakatawan sa isang visual na paraan upang suriin para sa isang positibo o negatibong ugnayan. Ang graph sa ibaba ay naglalarawan ng isang malakas na negatibong ugnayan sa pagitan ng dalawang mga hanay ng mga puntos ng data na naka-plot sa graph.

Scatter Plot diagram. Investopedia

Halimbawa ng Pagkalkula ng Maling Korelasyon

Ang pagkakaugnay ay maaaring kalkulahin sa pagitan ng dalawang hanay ng data upang makarating sa isang bilang na resulta. Ang nagresultang istatistika ay ginagamit sa isang mapaghulaang paraan upang matantya ang mga sukatan tulad ng mga benepisyo ng pagbabawas ng peligro ng pag-iba ng portfolio at iba pang mahalagang data. Ang halimbawa na ipinakita sa ibaba ay nagpapakita kung paano makalkula ang istatistika.

Ipalagay na kailangan ng isang analista upang makalkula ang antas ng ugnayan sa pagitan ng sumusunod na dalawang set ng data:

X: 55, 37, 100, 40, 23, 66, 88Y: 91, 60, 70, 83, 75, 76, 30

Mayroong tatlong mga hakbang na kasangkot sa paghahanap ng ugnayan. Una, magdagdag ng lahat ng mga halaga ng X upang makahanap ng SUM (X), magdagdag ng lahat ng mga halaga ng Y upang makahanap ng SUM (Y) at dumami ang bawat X na halaga sa kaukulang halaga ng Y at ipabilang sa kanila upang makahanap ng SUM (X, Y):

$\begin{matrix} SUM (X) & = 55 + 37 + 100 + 40 + 23 + 66 + 88 \\ = 409 \end{matrix} \ simulang {aligned} text {SUM} (X) & = 55 + 37 + 100 + 40 + 23 + 66 + 88 \\ & = 409 \\ \ end {aligned}$ SUM (X) = 55 + 37 + 100 + 40 + 23 + 66 + 88 = 409

$\begin{matrix} SUM (Y) & = 91 + 60 + 70 + 83 + 75 + 76 + 30 \\ = 485 \end{matrix} \ simulang {aligned} text {SUM} (Y) & = 91 + 60 + 70 + 83 + 75 + 76 + 30 \\ & = 485 \\ \ end {aligned}$ SUM (Y) = 91 + 60 + 70 + 83 + 75 + 76 + 30 = 485

$\begin{matrix} SUM (X, Y) & = (55 \times 91) + (37 \times 60) + \dots + (88 x \times 30) \\ = 26, 926 \end{matrix} \ simulang {nakahanay} \ \ text {SUM} (X, Y) & = (55 \ beses 91) + (37 \ beses 60) + \ dotso + (88 x \ beses 30) \ & = 26, 926 \\ \ end {nakahanay}$ SUM (X, Y) = (55 × 91) + (37 × 60) +… + (88x × 30) = 26, 926

Ang susunod na hakbang ay upang kunin ang bawat halaga ng X, parisukat ito at buuin ang lahat ng mga halagang ito upang makahanap ng SUM (x ²). Ang parehong dapat gawin para sa mga halagang Y:

$SUM (X^{2}) = (5 5^{2}) + (3 7^{2}) + (10 0^{2}) + \dots + (8 8^{2}) = 28, 623 \ text {SUM} (X ^ 2) = (55 ^ 2) + (37 ^ 2) + (100 ^ 2) + \ dotso + (88 ^ 2) = 28, 623$ SUM (X2) = (552) + (372) + (1002) +… + (882) = 28, 623

$SUM (Y^{2}) = (9 1^{2}) + (6 0^{2}) + (7 0^{2}) + \dots + (3 0^{2}) = 35, 971 \ text {SUM} (Y ^ 2) = (91 ^ 2) + (60 ^ 2) + (70 ^ 2) + \ dotso + (30 ^ 2) = 35, 971$ SUM (Y2) = (912) + (602) + (702) +… + (302) = 35, 971

Ang pagbanggit ay may pitong mga obserbasyon, n, ang sumusunod na pormula ay maaaring magamit upang mahanap ang koepisyentong ugnayan, r:

$r = \frac{}{\sqrt{\times}} r = \ frac {} { sqrt { times}}$ r = ×

Sa halimbawang ito, ang ugnayan ay:

$r = \frac{(7 \times 26, 926 - (409 \times 485))}{\sqrt{((7 \times 28, 623 - 40 9^{2}) \times (7 \times 35, 971 - 48 5^{2}))}} r = \ frac {(7 \ beses 26, 926 - (409 \ beses 485))} { sqrt {((7 \ beses 28, 623 - 409 ^ 2) beses (7 \ beses 35, 971 - 485 ^ 2))}}$ r = ((7 × 28, 623−4092) × (7 × 35, 971−4852)) (7 × 26, 926− (409 × 485)) $r = 9, 883 \div 23, 414 r = 9, 883 \ div 23, 414$ r = 9, 883 ÷ 23, 414 $r = - 0.42 r = -0.42$ r = −0.42

Ang dalawang set ng data ay may baligtad na ugnayan ng -0.42.

Ano ang Sinasabi sa iyo ng Maling Korelasyon?

Ang kabaligtaran na ugnayan ay nagsasabi sa iyo na kapag ang isang variable ay tumataas, ang iba ay bumabagsak. Sa mga pamilihan sa pananalapi, ang pinakamahusay na halimbawa ng isang kabaligtaran na ugnayan ay marahil ang isa sa pagitan ng dolyar ng US at ginto. Habang ang US dolyar ay nagpapabawas laban sa mga pangunahing pera, ang ginto ay karaniwang napapansin na tumaas, at habang pinahahalagahan ang dolyar ng US, ang pagtanggi ng ginto sa presyo.

Dalawang puntos ang dapat tandaan tungkol sa isang negatibong ugnayan. Una, ang pagkakaroon ng isang negatibong ugnayan, o positibong ugnayan para sa bagay na iyon, ay hindi kinakailangang magpahiwatig ng isang relasyon na sanhi. Pangalawa, ang ugnayan sa pagitan ng dalawang variable ay hindi static at nagbabago sa paglipas ng panahon, na nangangahulugang ang mga variable ay maaaring magpakita ng isang kabaligtaran na ugnayan sa ilang mga panahon at isang positibong ugnayan sa iba.

Mga Limitasyon ng Paggamit ng Maling Koreksyon

Ang pag-aaral ng korelasyon ay maaaring magbunyag ng kapaki-pakinabang na impormasyon tungkol sa ugnayan sa pagitan ng dalawang variable, tulad ng kung paano madalas na lumipat ang mga merkado ng stock at bono sa kabaligtaran ng mga direksyon. Gayunpaman, ang pagsusuri ay hindi ganap na isinasaalang-alang ang mga outliers o hindi pangkaraniwang pag-uugali ng ilang mga puntos ng data sa loob ng isang naitakda na mga puntos ng data, na maaaring laktawan ang mga resulta.

Gayundin, kapag ang dalawang variable ay nagpapakita ng isang negatibong ugnayan, maaaring mayroong maraming iba pang mga variable na, habang hindi kasama sa pag-aaral ng ugnayan, sa katunayan ay naiimpluwensyahan ang variable na pinag-uusapan. Kahit na ang dalawang variable ay may napakalakas na kabaligtaran na ugnayan, ang resulta na ito ay hindi kailanman nagpapahiwatig ng isang relasyon sa sanhi at epekto sa pagitan ng dalawa. Sa wakas, ang paggamit ng mga resulta ng isang pagsusuri ng ugnayan upang i-extrapolate ang parehong konklusyon sa bagong data ay nagdadala ng isang mataas na antas ng panganib.

Talaan ng mga Nilalaman: