Kısmi Korelasyon Hesaplayıcı
Üçüncü bir değişkeni kontrol ederek iki değişken arasındaki kısmi korelasyonu hesaplayın. Üç eşleştirilmiş veri sütunu ya da üç ikili Pearson korelasyonu girin; yorumuyla birlikte kısmi korelasyon katsayısını elde edin.
Üçüncü Bir Değişken Kontrol Edildikten Sonra İlişkiyi Bulun
Kısmi Korelasyon Formülü
Burada:
- \(r_{XY \cdot Z}\) — Z kontrol edildiğinde X ve Y arasındaki kısmi korelasyon
- \(r_{XY}\) — X ile Y arasındaki Pearson korelasyonu
- \(r_{XZ}\) — X ile Z arasındaki Pearson korelasyonu
- \(r_{YZ}\) — Y ile Z arasındaki Pearson korelasyonu
Formül, X–Y ilişkisinin Z ile olan ayrı doğrusal bağlarıyla açıklanan kısmını etkisiz hâle getirir. Sonuç, sıradan bir korelasyon katsayısı gibi −1 ile 1 arasında yer alır.
Kısmi Korelasyon – Hesaplama Örneği
Örnek: X = 1; 2; 3; 4; 1; 2; 3; 4, Y = 3; 3; 5; 9; 4; 8; 10; 10 olan sekiz gözlem ve ikili (0/1) kontrol değişkeni Z = 0; 0; 0; 0; 1; 1; 1; 1 (hesaplayıcının varsayılan değerleri).
Önce üç ikili Pearson korelasyonunu hesaplayın:
\[ r_{XY} = 0.7785, \qquad r_{XZ} = 0.0000, \qquad r_{YZ} = 0.5222 \]
Ardından kısmi korelasyon formülünü uygulayın:
\[ r_{XY \cdot Z} = \frac{0.7785 - (0)(0.5222)}{\sqrt{(1 - 0^{2})(1 - 0.5222^{2})}} = \frac{0.7785}{0.8528} \approx 0.9129 \]
Sonuç: kısmi korelasyon yaklaşık 0,9129. Z'nin kontrol edilmesi X–Y ilişkisini 0,78'den 0,91'e güçlendirir; çünkü bu veri setinde Z, Y ile ilişkiliyken X ile ilişkili değildir.
Hesaplayıcı Nasıl Kullanılır?
- Giriş yöntemini seçin: ham ölçümleriniz varsa “Üç eşleştirilmiş veri sütunu”, üç Pearson katsayısını zaten biliyorsanız “Üç ikili korelasyon”.
- Ham veriyle çalışıyorsanız değerleri X Değişkeni, Y Değişkeni ve Z Kontrol Değişkeni alanlarına yapıştırın. Değerleri boşluk, noktalı virgül veya satır sonu ile ayırabilirsiniz; ondalık virgül kabul edilir. Üç sütunun da aynı gözlem sırasını izlemesine ve eşit uzunlukta olmasına dikkat edin (4 ile 2.000 değer arası).
- Katsayılarla çalışıyorsanız X ve Y korelasyonu, X ve Z korelasyonu ile Y ve Z korelasyonu değerlerini girin; her biri −1 ile 1 arasında olmalıdır.
- Sonuçu okuyun: Z kontrol edildiğinde X ve Y'nin kısmi korelasyonu, üç ikili korelasyon, eşleştirilmiş gözlem sayısı (veri modunda) ve sade dille yazılmış bir yorum.
Kısmi Korelasyon Nedir?
Kısmi korelasyon, bir veya daha fazla kontrol değişkeninin etkisi ortadan kaldırıldıktan sonra iki değişken arasındaki doğrusal ilişkinin gücünü ölçer. Bu hesaplayıcının ele aldığı tek kontrol değişkenli durumda şu soruya yanıt verir: X'in ve Y'nin Z ile paylaştığı değişkenlik ayıklandığında X ile Y ne kadar güçlü ilişkilidir?
Bu önemli bir sorudur, çünkü sıradan bir korelasyon yanıltıcı olabilir. İki değişken, yalnızca her ikisi de üçüncü bir değişken tarafından yönlendirildiği için korelasyonlu görünebilir — klasik bir karıştırıcı etki (confounding) durumu. Örneğin dondurma satışları ile boğulma vakaları yıl boyunca birlikte artar, ama ikisi de sıcaklıktan etkilenir. Kısmi korelasyon, ortak neden hesaba katıldıktan sonra doğrudan bir ilişkinin kalıp kalmadığını görmenizi sağlar.
Sonuç, her korelasyon katsayısı gibi yorumlanır: +1 veya −1'e yakın değerler güçlü pozitif ya da negatif doğrusal ilişkiye, 0'a yakın değerler zayıf ya da hiç ilişki olmadığına işaret eder. Kısmi korelasyon, ham korelasyondan mutlak büyüklük olarak büyük veya küçük olabilir. Z, gerçek ilişkinin bir kısmını maskeliyorsa büyür (yukarıdaki örnekte olduğu gibi); ham korelasyon büyük ölçüde Z'nin ürünüyse küçülür.
Unutmayın: Kısmi korelasyon da her korelasyon gibi ilişkiyi ölçer, nedenselliği değil. Z'nin doğrusal etkisinin kaldırılması, yapay ilişkinin olası kaynaklarından birini azaltır; ancak nedenselliğin yönünü belirleyemez ya da başka karıştırıcıları dışlayamaz. Birkaç yordayıcıyı birlikte modellemek için çoklu doğrusal regresyon hesaplayıcısı doğal bir sonraki adımdır.
Varsayımlar, Sınırlamalar ve İpuçları
- Doğrusallık. Formül Pearson korelasyonuna dayanır; bu yüzden yalnızca doğrusal ilişkileri yakalar. İlişkiler monoton ama eğri biçimliyse, Spearman sıra korelasyonu gibi sıra tabanlı ölçüleri göz önünde bulundurun.
- Tek kontrol değişkeni. Bu hesaplayıcı yalnızca tek bir Z değişkenini kontrol eder. Birden fazla kontrol değişkeni varsa aynı fikir, hassasiyet (korelasyon matrisinin tersi) matrisiyle genelleştirilir; ama aritmetik matris temelli hâle gelir.
- Tutarlı katsayılar. Katsayı modunda üç korelasyonun birbiriyle uyumlu olması gerekir — hesaplayıcı, geçerli bir korelasyon matrisi oluşturamayan kombinasyonları reddeder.
- Tanımsız durumlar. X veya Y, Z ile tam (ya da neredeyse tam) korelasyonluysa sonuç tanımsızdır; çünkü payda sıfıra yaklaşır.
- Örneklem büyüklüğü. Küçük örneklemeler kararsız tahminler üretir. Gözlem sayısı azken orta büyüklükte bir kısmi korelasyon kolayca şans eseri ortaya çıkabilir; istatistiksel güç analizi, örneklemesinin beklediğiniz etkiyi yakalayıp yakalayamayacağını değerlendirmenize yardımcı olur.
- Eksiksiz çiftler. Her satırda X, Y ve Z için birer değer bulunmalıdır. Bir sütundaki eksik değerler eşleştirmeyi bozar; bu yüzden önce verinizi temizleyin.
Sıkça Sorulan Sorular
Kısmi korelasyonu elle nasıl hesaplarım?
Önce eşleştirilmiş verilerinizden \(r_{XY}\), \(r_{XZ}\) ve \(r_{YZ}\) Pearson korelasyonlarını hesaplayın. Sonra bunları \( r_{XY \cdot Z} = \frac{r_{XY} - r_{XZ} r_{YZ}}{\sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)}} \) formülünde yerine koyun. Z ile ilgili iki korelasyonu çarpın, \(r_{XY}\) değerinden çıkarın ve kalan iki terimin kareköküne bölün. Hesaplayıcı tüm adımları tek seferde yapar ve kullandığı ikili katsayıları da gösterir.
Kısmi korelasyonum istatistiksel olarak anlamlı mı?
Hesaplayıcı anlamlılık testi yapmaz, ama bunu kendiniz \( t = r_{XY \cdot Z}\sqrt{\frac{n-3}{1 - r_{XY \cdot Z}^2}} \) formülüyle yapabilirsiniz; burada \(n\) eksiksiz gözlem sayısıdır. \(t\) değerini \(n - 3\) serbestlik dereceli bir t dağılımıyla karşılaştırın. Kabaca söylemek gerekirse, \(n = 50\) iken yaklaşık \(\pm 0.28\) değerini aşan kısmi korelasyon %5 düzeyinde anlamlıdır (iki uçlu test).
Güçlü veya iyi bir kısmi korelasyon ne kadar olur?
Evrensel bir “iyi” değer yoktur — bu, çalıştığınız alana bağlıdır. Davranış bilimlerinde kullanılan kaba ölçüt olarak 0,1'e yakın büyüklükler küçük, 0,3'e yakın olanlar orta ve 0,5 ile üzeri güçlü kabul edilir. Fizik ya da mühendislik bağlamında çok daha zayıf korelasyonlar bile önemli olabilir. Değeri örneklem büyüklüğünüzle birlikte değerlendirin: büyük bir örneklemdeki küçük bir katsayı anlamlı olabilirken, bir avuç gözlemden gelen büyük bir katsayı tamamen şans eseri olabilir.
Kısmi korelasyon sıradan korelasyondan büyük olabilir mi, hatta işareti değişebilir mi?
İkisine de evet. Z, gerçek X–Y ilişkisinin bir kısmını baskıladığında kısmi korelasyon, \(r_{XY}\) değerinden daha büyük bir büyüklükle sonuçlanır. İşaret değişimi (pozitif ham korelasyondan negatif kısmi korelasyon çıkması) klasik baskılayıcı (suppression) durumuna işaret eder — kontrol değişkeni, ham korelasyonun düşündürdüğünün tersi yönde bir ilişkiyi ortaya çıkarır. İkisi de hata değil, meşru sonuçlardır; ancak genellikle Z'nin X ve Y ile nasıl ilişkili olduğunun dikkatli biçimde yorumlanmasını gerektirirler.
Kısmi korelasyon ile yarı kısmi (part) korelasyon arasındaki fark nedir?
Kısmi korelasyon Z'nin etkisini hem X'ten hem de Y'den kaldırır, sonra kalanları korele eder. Yarı kısmı korelasyon ise Z'yi yalnızca tek bir değişkenden, örneğin Y'den kaldırır; X'e dokunmaz. “X, Z'nin ötesinde her ikisiyle de ilişkili mi?” diye soruyorsanız kısmi korelasyonu, “X, Y'nin Z'nin açıklamadığı kısmını açıklıyor mu?” diye soruyorsanız yarı kısmı korelasyonu kullanın. Bu hesaplayıcı kısmı korelasyonu hesaplar.
Hesaplayıcı üç korelasyon katsayımı neden reddetti?
Katsayı modunda üç değer birbiriyle tutarlı olmalı, yani geçerli bir korelasyon matrisi oluşturabilmelidir: \( |r_{XY} - r_{XZ}\, r_{YZ}| \) değeri \( \sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)} \) değerini aşamaz. Aşıyorsa, hiçbir gerçek veri seti o kombinasyonu üretemez. Yaygın nedenler, hangi katsayının hangi çifte ait olduğunu karıştırmak ya da aynı gözlemleri paylaşmayan farklı örneklem veya çalışmalardan alınmış korelasyonları birlikte kullanmaktır.
Birden fazla değişkeni kontrol edebilir miyim?
Bu hesaplayıcı tek bir Z kontrol değişkeniyle çalışır. Birden fazla kontrol değişkeni için hassasiyet matrisi yaklaşımı gerekir: tüm değişkenlerin tam korelasyon matrisini ters çevirin, köşegen dışı hücrelerin işaretini değiştirin ve bunları yeniden korelasyonlara ölçekleyin. Uygulamada ise çoğu kişi bunun yerine çoklu doğrusal regresyon çalıştırır ve aynı fikri genelleştiren, güven aralıkları ile p değerleri de sağlayan standartlaştırılmış katsayılara veya kısmi \(R^2\) değerlerine bakar.