درک همبستگی

ScorePak® می تواند ضرایب همبستگی لحظه محصول پیرسون را بین هر تعداد از هر نوع از هر نوع محاسبه کند. نتایج در یک ماتریس همبستگی مربع حداکثر ده متغیر ارائه شده است. در صورت درخواست متقابل در بین بیش از ده متغیر ، چندین ماتریس تولید می شود.

ضرایب همبستگی

ضرایب همبستگی میزان ارتباط دو نمره و جهت آن رابطه را نشان می دهد. آنها گرایش متغیرها به "همکاری" را منعکس می کنند. یعنی برای تغییر در مقدار یک متغیر که با تغییر در ارزش دیگری همراه باشد. در تفسیر ضرایب همبستگی ، دو خاصیت مهم هستند.

• اندازه . همبستگی از نظر بزرگی ا ز-1. 00 تا 1. 00 است. هرچه مقدار مطلق ضریب (اندازه عدد بدون توجه به علامت) بزرگتر باشد ، میزان رابطه بیشتر است. به عنوان مثال ، همبستگی های 60 و 60. 60 از بزرگی برابر است و هر دو از همبستگی 30 بزرگتر هستند. هنگامی که رابطه خطی وجود نداشته باشد ، همبستگی 0. 00 خواهد بود. هنگامی که یک رابطه خطی کامل (مکاتبات یک به یک بین مقادیر متغیرها) وجود داشته باشد ، این همبستگی 1. 00 ی ا-1. 00 خواهد بود.
• جهت . جهت رابطه (مثبت یا منفی) با علامت ضریب نشان داده شده است. یک همبستگی مثبت حاکی از آن است که افزایش در ارزش یک نمره با افزایش در دیگری همراه است. یک همبستگی منفی حاکی از آن است که افزایش در یک با کاهش در دیگری همراه است.

تفسیر

Because ScorePak® scores are generally test scores, most of the relationships among them can be expected to be positive. The greater the degree to which the tests are measuring the same thing, the stronger the relationship between them. Scores are often weighted and summed to create a composite score which is then used to assign grades. In such applications, moderately-sized positive correlations (r>. 30) در بین نمرات مطلوب است. همبستگی های مثبت منفی یا کوچک (r<.20) among test scores imply that the composite score may be unreliable.

داده های از دست رفته

در همبستگی های محاسباتی ، ScorePak® شامل جفت مشاهدات است که هیچ یک از نمره آزمون از دست نمی رود. با این حال ، ScorePak® فقط یک مورد را حذف نمی کند فقط به این دلیل که داده ها در یک یا چند امتیاز از دست نمی روند. اگر در حال همبستگی چندین نمره باشید ، نمرات آزمون برای یک فرد خاص در آن ضرایب موجود در آن قرار می گیرد که هر دو نمره در آن حضور دارند ، و از آن ضرایب که یک یا هر دو نمره از آن استفاده نمی کنند ، حذف نمی شوند.

نمرات کامپوزیت با ترکیب نمرات با استفاده از یک یا چند مرحله تحول ایجاد می شود. اگر یک یا چند امتیاز از نمرات مبتنی بر آن وجود ندارد ، نمره کامپوزیت ممکن است یا ممکن است از دست نرود. اگر قصد دارید با نمرات کامپوزیت ارتباط برقرار کنید ، توضیحات مقادیر گمشده را برای هر تحول بررسی کنید. به طور کلی ، همبستگی یک نمره کامپوزیت با نمرات حاصل از آن به دلیل واریانس مشترک نمرات با نمره کامپوزیت نسبتاً بزرگ است. با این حال ، این همبستگی های "جزئی" می توانند به طرز گمراه کننده ای اندک باشند اگر داده های زیادی در نمرات تشکیل دهنده کامپوزیت وجود داشته باشد و نمره کامپوزیت در صورتی که حاوی نمرات گمشده باشد ، از دست نمی رود.

تضعیفی

این مهم است که در نظر داشته باشید که نمرات آزمون خود تا حدی غیرقابل اعتماد هستند. فقط بخش قابل اعتماد از دو مجموعه از نمرات می تواند با هم ارتباط داشته باشد. بخش غیرقابل اعتماد خطای تصادفی است و بنابراین بدون ارتباط خواهد بود. در نتیجه ، میزان همبستگی بین هر دو نمره آزمون محدود یا ضعیف است که با عدم اطمینان هر یک از آنها ضعیف است. اگر قابلیت اطمینان نمرات آزمون مشخص باشد ، همبستگی را می توان برای میرایی اصلاح کرد. ScorePak® این اصلاح را انجام نمی دهد ، زیرا ضریب قابلیت اطمینان در زمانی که برنامه همبستگی را محاسبه می کند در دسترس نیست. با این حال ، اگر در حال همبستگی نمرات خام هستید ، می توانید از ضرایب قابلیت اطمینان ارائه شده در آنالیز مورد ScorePak® استفاده کنید تا همبستگی ها را با توجه به فرمول زیر اصلاح کنید:

rxy '= rxy / [(sqrt (rxx*ryy)] ، کجا

RXY "= همبستگی تصحیح شده نمره آزمون" x "با نمره آزمون" y "rxy = همبستگی اصلاح نشده rxx = قابلیت اطمینان نمره آزمون" x "ryy = قابلیت اطمینان نمره آزمون" y "