Concepts- Bi-serial, point bi-serial- partial and multiple correlation, tetra choric, Phi-coefficient, Contingency coefficient.
ब्लॉग को like और subscribe जरूर करे ।1. बाई-सीरियल सहसंबंध (Bi-serial Correlation)
· परिभाषा: जब एक चर कृत्रिम रूप से द्वैधी हो और दूसरा सतत हो, तब इस प्रकार का सहसंबंध मापा जाता है।
· उदाहरण: विद्यार्थियों की परीक्षा में सफलता (पास/फेल) और उनकी बुद्धि लब्धि (IQ स्कोर) के बीच संबंध।
· प्रमुख बिंदु:
· द्वैधी चर को कृत्रिम रूप से दो भागों में विभाजित किया गया हो।
· Pearson correlation जैसा होता है लेकिन विशेष सूत्र प्रयोग होता है।
2. पॉइंट बाई-सीरियल सहसंबंध (Point Bi-serial Correlation)
· परिभाषा: जब एक चर वास्तविक द्वैधी हो और दूसरा सतत हो, तब इसका उपयोग किया जाता है।
· उदाहरण: लिंग (पुरुष/महिला) और अंक प्राप्ति (मार्क्स) के बीच संबंध।
· प्रमुख बिंदु:
· द्वैधी चर वास्तविक हो (जैसे जन्म आधारित)।
· Pearson correlation का ही विशेष रूप है।
3. आंशिक सहसंबंध (Partial Correlation)
· परिभाषा: जब दो चर के बीच संबंध को मापा जाता है, जबकि तीसरे चर का प्रभाव हटा दिया जाता है।
· उदाहरण: बुद्धि और शैक्षिक उपलब्धि के बीच संबंध, लेकिन SES का प्रभाव निकाल दिया जाए।
· प्रमुख बिंदु:
· यह 'शुद्ध' संबंध बताता है।
· तीसरे चर का नियंत्रण करके देखा जाता है।
4. बहुवचन सहसंबंध (Multiple Correlation)
· परिभाषा: जब एक निर्भर और दो या अधिक स्वतंत्र चर हों।
· उदाहरण: शैक्षिक उपलब्धि पर बुद्धि, प्रेरणा और उपस्थिति का संयुक्त प्रभाव।
· प्रमुख बिंदु:
· एक निर्भर और अनेक स्वतंत्र चर।
· R (multiple correlation coefficient) द्वारा मापा जाता है।
5. टेट्राकोरिक सहसंबंध (Tetrachoric Correlation)
· परिभाषा: जब दोनों चर कृत्रिम रूप से द्वैधी हों और वास्तव में सतत हों।
· उदाहरण: बुद्धि और अभिवृत्ति को “उच्च/निम्न” में बाँटने पर।
· प्रमुख बिंदु:
· दोनों चर कृत्रिम रूप से द्वैधी हों।
· यह सहसंबंध का अनुमानात्मक मापन देता है।
6. फाई गुणांक (Phi Coefficient)
· परिभाषा: जब दोनों चर वास्तविक द्वैधी हों।
· उदाहरण: लिंग (पुरुष/महिला) और पास/फेल की स्थिति।
· प्रमुख बिंदु:
· द्वैधी डेटा के लिए Pearson correlation का विशिष्ट रूप।
· 2x2 कंटिंजेंसी टेबल पर आधारित होता है।
7. कंटिंजेंसी गुणांक (Contingency Coefficient)
· परिभाषा: जब दोनों चर नामात्मक हों।
· उदाहरण: धर्म और पसंदीदा विषय के बीच संबंध।
· प्रमुख बिंदु:
· नामात्मक डेटा के लिए प्रयुक्त।
· C = √(χ² / (χ² + N)) सूत्र का प्रयोग होता है।
आप कौन सा टॉपिक चाहते हैं?
कमेंट बॉक्स में जरूर लिखें।
हमारी पूरी कोशिश रहेगी कि आपको NEXT day टॉपिक available करवाया जाए।
कोई टिप्पणी नहीं:
एक टिप्पणी भेजें