एडिटवर्स फ्री कैलकुलेटर

आंशिक सहसंबंध कैलकुलेटर

एक या अधिक अन्य चरों के प्रभाव को हटाकर दो चरों के बीच संबंध का मापन करें — आंशिक सहसंबंध गुणांक और उसका p-मान — और परिणाम के पीछे सटीक R कमांड को कॉपी करें। विस्तृत व्याख्या नीचे दी गई है। R 4.3.3 के साथ मान्य किया गया।

सरल शब्दों में

आंशिक सहसंबंध यह मापता है कि एक या अधिक नियंत्रण चरों के प्रभाव को स्थिर रखने के बाद दो चरों के बीच कितना मजबूत संबंध है। यह एक भ्रमित करने वाले कारक के साझा प्रभाव को हटा देता है, जिससे यह पता चलता है कि उस चर को ध्यान में रखने के बाद भी संबंध बना रहता है या नहीं।

उदाहरण के लिए, बच्चों में लंबाई और पढ़ने की क्षमता के बीच संबंध होता है—लेकिन मुख्यतः इसलिए क्योंकि दोनों उम्र के साथ बढ़ती हैं। उम्र को अलग करने पर यह संबंध लगभग शून्य हो जाता है, जिससे पता चलता है कि मूल संबंध काफी हद तक भ्रामक था। आंशिक सहसंबंध इस समायोजन को स्पष्ट करता है और शेष भाग को मापता है।

आंशिक सहसंबंध का उपयोग कब करें

आंशिक सहसंबंध का उपयोग तब करें जब आपको संदेह हो कि कोई तीसरा चर दो अन्य चरों के बीच के संबंध को बढ़ा रहा है या छिपा रहा है, और आप उस भ्रमित करने वाले कारक को हटाकर संबंध का शुद्ध परिणाम जानना चाहते हैं। यह बहु प्रतिगमन में समायोजित गुणांक के सहसंबंधी अनुरूप है ।

ध्यान रखें कि आंशिक सहसंबंध सांख्यिकीय रूप से नियंत्रण करता है, प्रयोगात्मक रूप से नहीं – यह कारण-कार्य संबंध सिद्ध नहीं कर सकता, और एक अनियंत्रित कारक परिणाम को प्रभावित कर सकता है। इसे इसके विश्वास अंतराल के साथ रिपोर्ट करें और स्पष्ट रूप से बताएं कि किन चरों को आंशिक सहसंबंध से बाहर रखा गया था। बिना नियंत्रण वाले सरल दो-चर मामले के लिए, हमारे सहसंबंध कैलकुलेटर का उपयोग करें । यह सुनिश्चित नहीं है कि कौन सा उपयुक्त है? हमारा परीक्षण चयनकर्ता आपकी सहायता कर सकता है।

आंशिक सहसंबंध Z को नियंत्रित करते हुए XY सहसंबंध · R 4.3.3 के मुकाबले मान्य किया गया
उपयोगकर्ता पुस्तिका

इसका उपयोग कब करें: तीसरे चर Z (एक भ्रमित करने वाला कारक) के रैखिक प्रभाव को हटाने के बाद X और Y के बीच संबंध का अनुमान लगाएं।

मान्यताएँ: रैखिक संबंध; लगभग सामान्य चर; Z का मापन त्रुटि रहित है।

आम गलतियाँ। आंशिक सहसंबंध यह साबित नहीं करता कि Z एक भ्रमित करने वाला कारक है या X, Y का कारण है। कई सहचरों के लिए बहु प्रतिगमन का उपयोग करें।

कार्य उदाहरण

ऊपर दिए गए उदाहरण डेटा लोड करें पर क्लिक करें , फिर विश्लेषण चलाएँ पर क्लिक करके इस परीक्षण के लिए चित्र, सूत्र और व्याख्या सहित पूर्ण रूप से हल किया गया परिणाम देखें।

संदर्भ
  1. किम एस. पीपीकोर: अर्ध-आंशिक सहसंबंध गुणांकों की तीव्र गणना के लिए एक आर पैकेज। कम्युन स्टेट एप्लाइड मेथड्स। 2015;22(6):665-674।

काम किये गये उदाहरण

उदाहरण 1 — एक भ्रमित करने वाले कारक को हटाना

दो चरों के बीच r = 0.60 का सहसंबंध है। दोनों से संबंधित तीसरे चर को हटाने के बाद, आंशिक सहसंबंध घटकर 0.18 हो जाता है। मूल सहसंबंध का अधिकांश भाग भ्रमित करने वाले कारक द्वारा वहन किया गया था; इसे नियंत्रित करने के बाद केवल एक कमजोर प्रत्यक्ष संबंध ही शेष रहता है।

उदाहरण 2 — एक ऐसा रिश्ता जो कायम रहता है

यदि तीसरे चर को नियंत्रित करने के बाद वही r = 0.60 घटकर केवल 0.52 रह जाता है, तो यह संबंध काफी हद तक उस भ्रमित करने वाले कारक से स्वतंत्र है। यह संबंध इस विशेष समायोजन के प्रति मजबूत है, हालांकि अन्य अनमापे गए चर अभी भी भूमिका निभा सकते हैं।

जाँच करने योग्य मान्यताएँ

रेखीय संबंध। आंशिक सहसंबंध समायोजन के बाद रेखीय संबंध को दर्शाता है। वक्रित संबंध इसमें प्रदर्शित नहीं होते हैं और इसके लिए रूपांतरण या किसी अन्य विधि की आवश्यकता हो सकती है।

सतत, लगभग सामान्य चर। सामान्य आंशिक सहसंबंध और उसका परीक्षण लगभग सामान्य, सतत चरों को मानता है; श्रेणीबद्ध या गैर-सामान्य डेटा के लिए श्रेणी-आधारित आंशिक सहसंबंध अधिक उपयुक्त होता है।

सही नियंत्रण चर। परिणाम उतना ही अच्छा होता है जितना कि आप चुने गए चरों को। किसी प्रासंगिक भ्रमित करने वाले कारक को हटाने से वह अनुमान में बना रहता है; कारण पथ पर मौजूद किसी चर को नियंत्रित करने से वास्तविक प्रभाव समाप्त हो सकता है।

साधारण गलती

आंशिक सहसंबंध को कारण-कार्य संबंध के प्रमाण के रूप में पढ़ना

सांख्यिकीय नियंत्रण प्रयोगात्मक नियंत्रण नहीं है। एक बचा हुआ आंशिक सहसंबंध प्रत्यक्ष प्रभाव के अनुरूप तो है, लेकिन उसे स्थापित नहीं करता।

मध्यस्थ के लिए नियंत्रण

दो मुख्य कारकों के बीच कारण-कार्य संबंध में स्थित किसी चर को अलग करने से वास्तविक प्रभाव गलत तरीके से समाप्त हो सकता है। नियंत्रण चरों का चयन ठोस आधार पर करें, न कि स्वचालित आधार पर।

एक प्रमुख भ्रमित करने वाले कारक को छोड़ देना

आंशिक सहसंबंध केवल आपके द्वारा शामिल किए गए चरों के लिए ही समायोजन करता है। प्रत्यक्ष प्रतीत होने वाला संबंध भी किसी अनमापे गए कारक से प्रभावित हो सकता है।

गैर-सामान्य डेटा पर पियर्सन-आधारित आंशिक सहसंबंध का उपयोग करना

विषम या क्रमसूचक चरों के लिए, सामान्य-सिद्धांत परीक्षण अविश्वसनीय होता है। इसके बजाय रैंक-आधारित आंशिक सहसंबंध का उपयोग करें।

अक्सर पूछे जाने वाले प्रश्न

आंशिक सहसंबंध सामान्य सहसंबंध से किस प्रकार भिन्न है?

सामान्य सहसंबंध दो चरों के बीच कच्चे संबंध को मापता है; आंशिक सहसंबंध एक या अधिक नियंत्रण चरों के रैखिक प्रभाव को हटाने के बाद इसे मापता है।

क्या आंशिक सहसंबंध यह साबित कर सकता है कि एक भ्रमित करने वाला कारक किसी संबंध की व्याख्या करता है?

यह दिखा सकता है कि समायोजन के बाद संबंध काफी हद तक गायब हो जाता है, जो संकेत देता है, लेकिन यह कारण साबित नहीं कर सकता या अन्य अनमापे गए भ्रमित करने वाले कारकों को खारिज नहीं कर सकता।

अर्ध-आंशिक (भाग) सहसंबंध क्या है?

अर्ध-आंशिक सहसंबंध नियंत्रण चर के प्रभाव को दो चरों में से केवल एक से हटाता है, जबकि आंशिक सहसंबंध इसे दोनों से हटाता है।

क्या परिणाम R और SPSS से मेल खाता है?

जी हां। कैलकुलेटर मानक आंशिक सहसंबंध सूत्र और सार्थकता परीक्षण का उपयोग करता है और R कमांड (ppcor::pcor) दिखाता है ताकि आप गुणांक और p-मान को पुनः प्राप्त कर सकें।

संदर्भ

  1. किम एस। अर्ध-आंशिक सहसंबंध गुणांकों के लिए पी-मान गणना विधियाँ। कम्युन स्टेट एप्लाइड मेथड्स. 2022;29(3):397–402. पीएमआईडी 35756137।
  2. एप्सकैम्प एस, फ्राइड ईआई. नियमित आंशिक सहसंबंध नेटवर्क पर एक ट्यूटोरियल। साइकोल तरीके. 2019;23(4):617–634. पीएमआईडी 29595293।
  3. कोहेन जे, कोहेन पी, वेस्ट एसजी, ऐकेन एलएस। व्यवहार विज्ञान के लिए अनुप्रयुक्त बहु प्रतिगमन/सहसंबंध विश्लेषण। तीसरा संस्करण। महवा, एनजे: एर्लबाम; 2003।

क्या आपको अपनी पांडुलिपि के लिए इस विश्लेषण की आवश्यकता है?

हमारे पीएचडी बायोस्टैटिस्टिशियन समायोजित संबंधों का मॉडल तैयार करते हैं — आंशिक सहसंबंध और विश्वास अंतराल के साथ बहुभिन्नरूपी प्रतिगमन — और पुनरुत्पादनीय आर आउटपुट के साथ प्रकाशन के लिए तैयार सारणी प्रदान करते हैं।

सांख्यिकी विशेषज्ञों से सहायता प्राप्त करें