Lompat ke konten
Home » Statistik » Pengertian dan Contoh Korelasi Parsial

Pengertian dan Contoh Korelasi Parsial

  • oleh

Korelasi parsial mengukur kekuatan hubungan antara dua variabel, sambil mengendalikan pengaruh satu atau lebih variabel lainnya. Misalnya, Anda mungkin ingin melihat apakah ada korelasi antara jumlah makanan yang dimakan dan tekanan darah, sambil mengontrol berat badan atau jumlah olahraga. Dimungkinkan untuk mengontrol beberapa variabel (disebut variabel kontrol atau kovariat). Namun, lebih dari satu atau dua biasanya tidak disarankan karena semakin banyak variabel kontrol, semakin tidak andal pengujian Anda.

korelasi parsial memiliki satu variabel independen kontinu (nilai-x) dan satu variabel dependen kontinu (nilai-y); Ini sama seperti dalam analisis korelasi biasa. Pada contoh tekanan darah di atas, variabel bebasnya adalah “jumlah makanan yang dimakan” dan variabel terikatnya adalah “tekanan darah”. Variabel kontrol – berat dan jumlah latihan – juga harus berkelanjutan.

Notasi Korelasi Parsial

Tanda titik pada subscript memisahkan variabel yang berkorelasi dan variabel yang dikontrol. Sebagai contoh, korelasi asupan kalori (X1) dengan tekanan darah (X2), sambil mengontrol berat badan (X3), ditulis sebagai:

r12.3

Alternatifnya, bar digunakan sebagai pengganti titik dan subskrip: r(1,2|3).

Menjalankan Tes Korelasi Parsial

Koefisien korelasi, r, juga digunakan untuk menunjukkan hasil dari korelasi parsial. Seperti koefisien korelasi reguler, rpartial mengembalikan nilai dari -1 hingga 1.

Korelasi parsial biasanya dilakukan dengan menjalankan analisis regresi berganda. Beberapa program perangkat lunak menyertakan korelasi parsial. Misalnya, di SPSS pilih Analyze > Correlations > Partial.

Bagaimana Menafsirkan Hasilnya

Jika korelasi parsial, r12.3, lebih kecil dari korelasi sederhana (dua variabel) r12, tetapi lebih besar dari 0, maka variabel 3 sebagian menjelaskan korelasi antara X dan Y.

Korelasi Semi Parsial

Korelasi semi-parsial hampir sama dengan parsial. Faktanya, banyak penulis menggunakan kedua istilah tersebut untuk mengartikan hal yang sama. Namun, yang lain membuat perbedaan halus berikut:

Dengan korelasi semi-parsial, variabel ketiga tetap konstan untuk X atau Y tetapi tidak keduanya; dengan parsial, variabel ketiga tetap konstan untuk X dan Y. Misalnya, statistik korelasi semi parsial dapat memberi tahu kita bagian tertentu dari varians, yang dijelaskan oleh variabel independen tertentu. Ini menjelaskan bagaimana satu variabel independen tertentu mempengaruhi variabel dependen, sementara variabel lain dikendalikan untuk mencegah mereka menghalangi.

Untuk menemukannya, hitung korelasi antara variabel dependen dan residual prediksi satu variabel independen dengan yang lain.

Contoh Korelasi Semi Parsial

Misalkan kita menggunakan satu set data (dari makalah tahun 2002 dari Abdi et al.) yang mencantumkan tiga variabel lebih dari enam anak. Setiap anak diuji untuk rentang memori (Y) dan kecepatan bicara (X2), dan usia mereka juga dicatat. Statistik korelasi diinginkan yang memprediksi Y (rentang memori) dari X1 dan X2 (usia dan kecepatan bicara).

Biasanya, dalam situasi di mana X1 dan X2 adalah variabel acak independen, kita akan mengetahui seberapa penting setiap variabel dengan menghitung koefisien korelasi kuadrat antara X1 dan X2 dan variabel dependen Y.

Kita akan tahu bahwa koefisien korelasi kuadrat ini sama dengan koefisien korelasi kelipatan kuadrat. Tetapi dalam kasus seperti kita, X1 dan X2 sama sekali tidak independen. Kecepatan bicara sangat tergantung pada usia, dan dengan menggunakan koefisien kuadrat akan menghitung kontribusi setiap variabel beberapa kali lipat.

Referensi :

https://www.statisticshowto.com/partial-correlation/

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan.