Stosunek korelacyjny eta

Stosunek korelacyjny eta (η)miara zależności używana, gdy jedna ze zmiennych jest zmienną ilościową (na skali przedziałowej lub ilorazowej), a druga zmienną jakościową (na skali nominalnej lub porządkowej)[1].

Wzór edytuj

Współczynnik eta można obliczyć za pomocą następującego wzoru:

 

gdzie:

  – liczba grup wyznaczona przez zmienną jakościową (liczba kategorii),
  – liczebność w  -tej grupie,
  – średnia wartość zmiennej ilościowej w  -tej grupie,
  – całościowa średnia wartość zmiennej ilościowej,
  – wartość zmiennej ilościowej dla  -tej obserwacji w  -tej grupie.

Interpretacja i własności edytuj

Współczynnik eta podniesiony do kwadratu to współczynnik determinacji eta-kwadrat ( ). Zarówno  , jak i   przyjmują wartości od 0 do 1.

Podobnie jak współczynnik determinacji  , eta-kwadrat dostarcza informacji, jaki procent wariancji jest wyjaśniony przez zmienność między grupami.

Współczynnik   jest używany jako jedna z miar wielkości efektu dla analizy wariancji (ANOVA). Wzór na   można zinterpretować jako stosunek zmienności między grupami (sumy kwadratów odchyleń średnich grupowych od średniej ogólnej) do całkowitej zmienności (sumy kwadratów odchyleń od ogólnej średniej)[2].

Jeżeli zmienna jakościowa jest dychotomiczna (zero-jedynkowa) to   co do wartości bezwzględnej równa się współczynnikowi korelacji punktowo-dwuseryjnej (czyli współczynnikowi korelacji Pearsona między zmienną ilościową a zero-jedynkową)[1].

Stosunek korelacyjny eta można zastosować do pomiaru zależności zmiennych ilościowych powiązanych krzywoliniowo[3]. W tym celu jedną z tych zmiennych należy potraktować jak zmienną jakościową (jeżeli jest dyskretna z niewielką liczbą kategorii) lub odpowiednio w taką zmienną przekształcić (np. poprzez grupowanie w szereg rozdzielczy przedziałowy).

Przypisy edytuj

  1. a b Natalia Golonka, Eta - stosunek korelacyjny [online], predictivesolutions.pl [dostęp 2024-01-22] (pol.).
  2. David J. Sheskin, Handbook of parametric and nonparametric statistical procedures, Fifth edition, A Chapman & Hall book, Boca Raton London New York: CRC Press, Taylor & Francis Group, 2011, ISBN 978-1-4398-5801-1 [dostęp 2024-01-22].
  3. Keith G. Calkins, More Correlation Coeficients [online], www.andrews.edu [dostęp 2024-01-22].