Bạn đang xem: Mối tương quan là gì
tương quan
- Dính líu với nhau, có liên hệ với nhau : Quyền lợi tương quan giữa người này và người khác. Tương quan lực lượng. Lực lượng so sánh hơn kém giữa hai bên.
hd. Quan hệ với nhau. Tương quan lực lượng: so sánh lực lượng giữa hai bên.Tầm nguyên Từ điểnTương Quan
Tương: cùng, Quan: quan hệ.
Cho hay từ hiếu tương quan. Nhị Thập Tứ HiếuXem thêm: Học Pe Là Môn Học Gì - Các Môn Học Trong Tiếng Anh
tương quan
tương quan verb to interrelate, to correlatecorrelatedcâu hỏi phụ tương quan: correlated sub-querynhiệt độ màu tương quan: correlated colour temperaturecorrelationbậc tương quan: degree of correlationbiểu đồ tương quan: correlation diagramchỉ số tương quan: correlation indexcông cụ tương quan: correlation toolđỉnh hàm số tương quan: correlation function peakđo tương quan góc bội ba: triple angular correlation measurementdữ liệu tương quan: correlation datahàm tương quan: correlation functionhệ số tương quan: correlation coefficienthệ số tương quan: correlation coefficientshệ số tương quan: correlation ratiohệ số tương quan [chuỗi hàng loạt]: serial correlation coefficienthệ số tương quan âm: negative correlation coefficienthệ số tương quan bội: coefficient of multiple correlationhệ số tương quan bội ba: triple correlation coefficienthệ số tương quan chính tắc: canonical correlation coefficienthệ số tương quan chuỗi: serial correlation coefficienthệ số tương quan dương: positive correlation coefficienthệ số tương quan không gian: space correlation coefficienthệ số tương quan riêng: coefficient of partial correlationhệ số tương quan tần số: frequency correlation coefficienthệ số vectơ tương quan: vector correlation coefficienthệ thống đo mối tương quan vệ tinh: correlation tracking systemkhoảng cách tương quan nằm ngang: horizontal correlation distancekhoảng tương quan: correlation intervalma trận tương quan: correlation matrixma trận tương quan hoàn toàn: complete correlation matrixmặt tương quan chuẩn: normal correlation surfacephân tích tương quan: correlation analysisphân tích tương quan góc: angular correlation analysisphép đo tương quan góc kép: double angular correlation measurementphương pháp tương quan: correlation methodsơ đồ tương quan: correlation diagramsự phân tích tương quan: correlation analysissự tương quan: correlationsự tương quan âm: negative correlationsự tương quan chặt chẽ: high correlationsự tương quan dương: positive correlationsự tương quan hình ảnh: video correlationsự tương quan không-thời gian: space-time correlationsự tương quan nối tiếp: serial correlationsự tương quan thời gian: time correlationtách sóng tương quan: correlation detectionthí nghiệm [về] tương quan: correlation experimenttương quan [không thật, giả tạo]: spurious correlationtương quan [theo] phương phân cực: polarization-direction correlationtương quan Gilliland: Gilliland correlationtương quan ảo tưởng: illusory correlationtương quan âm: inverse correlationtương quan bội chuẩn tắc: multiple normal correlationtương quan bội phi tuyến tính: multiple curvilinear correlationtương quan chính tắc: canonical correlationtương quan của các chỉ số: correlation of indicestương quan của chuyển dời liền cạnh: correlation of adjacent transitiontương quan dương: direct correlationtương quan gama-gama: gamma-gamma correlationtương quan giả: nonsense correlationtương quan giả: spurious correlationtương quan giả tạo: nonsense correlationtương quan góc: angular correlationtương quan hạng: rank correlationtương quan hạng: grade correlationtương quan hoàn toàn: perfect correlationtương quan không thật: spurious correlationtương quan không thật: nonsense correlationtương quan không tuyến tính: nonlinear correlationtương quan momen tích: product moment correlationtương quan moment tích: product moment correlationtương quan riêng: partial correlationtương quan tầm dài: long-range correlationtương quan thật: true correlationtương quan thính giác với thính giác: Inter-Aural Cross Correlation [IACC]tương quan toàn phần: total correlationtương quan trễ: lag correlationtương quan trực tiếp: direct correlationtương quan tuyến tính: linear correlationtương quan vectơ: vector correlationtương quan vòng: circular correlationtương quan xung lượng: momentum correlationtỷ số tương quan: correlation ratiocorrelation, correlative, correlatecorrelativerelationalcơ sở dữ liệu tương quan: relational data basengôn ngữ tương quan: relational languagevận hành viên tương quan: relational operatorbộ tự tương quanauto-correlatorbộ tương quancorrelatorbộ tương quan ảnh điện quangelectro-optical image correlatorbộ tương quan chéocross-correlatorbộ tương quan quangoptical correlatorbộ tương quan tương tựanalogue correlatorđịnh luật thành phần tương quanlaw of related compositionđiều chế di pha tương quan vi saiDifferentially Coherent Phase - Shift Keying [DCPSK]đường tương quanline of collationhạt liên kết tương quan thời gianTime-Correlated Associated particle [TCAP]hàm tự tương quanautocorrelationhàm tự tương quanautocorrelation functionhàm tương quan chéocross-correlation functionhệ số tự tương quanautocorrelation coefficienthệ số tương quancoincidence factorhệ số tương quanrelation factorHệ số tương quan là một chỉ số đo lường của một số loại tương quan, nghĩa là mối liên hệ thống kê giữa hai biến số.[1] Các biến có thể là hai cột của một bộ dữ liệu quan sát đã cho, thường được gọi là mẫu hoặc hai phần của một biến ngẫu nhiên đa biến số có phân phối đã biết trước.
Có một số loại hệ số tương quan, mỗi loại lại có định nghĩa riêng, phạm vi sử dụng và đặc tính riêng. Tất cả đều giả định các giá trị nằm trong phạm vi chạy từ −1 đến +1, trong đó ± 1 biểu thị hai biến số có mối tương quan tuyệt đối có thể và 0 chỉ hai biến số không có liên hệ gì với nhau.[2] Là công cụ phân tích, các hệ số tương quan thể hiện một số vấn đề nhất định, bao gồm khuynh hướng của một số loại yếu tố nhiễu bởi ngoại lai và khả năng được sử dụng tương đối để suy ra mối quan hệ nhân quả giữa các biến số.[3]
Lấy từ “//vi.wikipedia.org/w/index.php?title=Hệ_số_tương_quan&oldid=67810886”
Phân biệt khái niệm “Mối liên hệ” và “Tương quan”
“Dữ liệu nghiên cứu cho thấy giới tính và nghề nghiệp có tương quan với nhau” - không phải là cách diễn giải hiếm gặp trong các báo cáo khoa học xã hôi của sinh viên hiện nay
Tuy việc diễn giải kết quả phân tích thống kê theo cách trên có thể tạm chấp nhận trong một số trường hợp không đòi hỏi yêu cầu cao về chuyên môn thống kê, song vẫn cần nhấn mạnh rằng cách diễn giải này chưa chính xác về mặt bản chất. Nguyên nhân chính của hiện tượng trên có thể do thói quen hoặc có thể xuất phát từ việc chưa hiểu rõ khái niệm của thuật ngữ khi sử dụng
Như chúng ta đã biết, việc phân tích mô tả đơn biến [chỉ phân tích duy nhất 1 biến] thông thường không đem lại nhiều thông tin có giá trị vì chỉ mô tả được 1 chiều cạnh [dimension] của dữ liệu. Đôi khi, các dữ liệu ngẫu nhiên lại có mối liên hệ liên quan tới nhau. Sự liên quan này có thể hiểu, khi một biến X có mối liên hệ với biến Y, ta sẽ hiểu tương ứng với mỗi giá trị X là một giá trị Y tương ứng [1]. Để làm rõ mối quan hệ qua lại giữa các yếu tố, nhà nghiên cứu phải chỉ ra được mối liên hệ có ý nghĩa thống kê giữa hai hay nhiều biến. Động thái trên được gọi là “phân tích tương quan” hoặc “phân tích mối liên hệ”
Ảnh 1: Sự khác biệt khi sử dụng thuật ngữ đo lường mối liên hệ giữa các biến
Tuy vậy, một trong những nhầm lẫn cơ bản của việc học thống kê tại Việt Nam là việc hiểu đúng thuật ngữ thường đước sử dụng bằng từ Hán - Việt, trong đó việc sử dụng từ “tương quan” hay “mối liên hệ” là một trong các nhóm từ dễ bị hiểu nhầm nhất. Về mặt từ nguyên theo từ điển Hán - Việt: "tương" là cùng nhau, đối với nhau còn "quan" là có liên hệ, dính dáng tới nhau; "liên" là liền với nhau và "hệ" là buộc lại với nhau [2]. Điều này vô hình trung tạo nên nhầm lẫn, lây truyền từ thế hệ này tới thế hệ khác. Xét về mặt ngữ dụng, từ "tương quan" được sử dụng trong bối cảnh so sánh cụ thể, ví dụ như: "tương quan lực lượng", nghĩa là ngoài chỉ ra được mối liên hệ giữa hai đối tượng cần so sánh ta còn phải chỉ ra được sự tương xứng về các chiều cạnh có thể đo đếm được. Các chiều cạnh đó thường được hiểu là các đặc tính số học, tức là các khía cạnh định lượng của vật thể
Các tài liệu sử dụng tiếng Anh sử dụng từ "correlation" khi muốn đo lường mối liên hệ giữa hai biến định lượng [các biến liên tục và biến thứ bậc], từ này trong tiếng Việt được dịch là "tương quan". Do đó, nếu gạt qua lớp vỏ hình thái từ để đi vào nội hàm của chúng, ta sẽ phân biệt được một cách chính xác thuật ngữ nào được sử dụng theo nghĩa tương đương ở một ngôn ngữ khác. Xét về mặt hình thức, hai thuật ngữ "relationship" và "correlation" giống nhau khi nói về sự liên quan qua lại giữa hai biến, sự tương ứng với giá trị của biến này là giá trị của một biến khác - tuy nhiên điều này chưa đúng về mặt bản chất..
Phân biệt hai khái niệm
Phân tích mối liên hệ [association hay relation] là một thuật ngữ chỉ về mối quan hệ giữa các biến trong phân tích nghiên cứu. Việc sử dụng từ "mối liên hệ" cũng bàn đến một mối quan hệ không đòi hỏi sự đo lường có độ chính xác cao [3]. Theo cách diễn giải chung nhất, thuật ngữ “mối liên hệ” có thể được sử dụng cho cả hai biến định tính và định lượng.
Phân tích tương quan [correlation analysis] là một nhóm các kĩ thuật dùng để đo lường mức độ liên hệ giữa các biến [4]. Phân tích tương quan là một trường hợp đặc biệt của phân tích mối liên hệ. Tương quan bàn về đặc thù có thể đo lường [measure] trong mối liên hệ giữa các biến ở việc sự thay đổi giá trị của biến này sẽ gây nên ảnh hưởng tới sự thay đổi và phân bố xác suất của biến kia [5].
Ảnh 2: Biểu đồ phân tán [scatter plot] - dạng biểu đồ minh họa mối tương quan tuyến tính giữa hai biến.
Phân tích tương quan chỉ áp dụng cho các biến định lượng và việc phân tích dạng này được bàn tới ít nhất ba yếu tố quan trọng trong mối liên hệ giữa các biến được viết tắt trong 3 chữ “S - T - D”
Trong đó:
“S” = "Strength" : độ mạnh hoặc yếu của tương quan đó [căn cứ vào hệ số tương quan mẫu, được biết với kí hiệu “r"]
“T” = "Type": dạng tương quan giữa các biến, gồm: tương quan tuyến tính [linear correlation] và tương quan phi tuyến [nonlinear correlation]
“D” = "Direction" : hướng của tương quan, gồm: tương quan thuận [positive, r > 0 < 1], tương quan nghịch [negative, -1 < r < 0] và không tương quan [none, r = 0]
Ảnh 3: Từ trái qua phải: Tương quan tuyến tính nghịch [r = -1], không tương quan [r = 0] và tương quan tuyến tính thuận [r = 1]
Độ mạnh yếu của một tương quan được thể hiện qua hệ số tương quan [r] - là một con số nằm trong đoạn [ -1; 1 ] dùng để đo lường mức độ tương quan tuyến tính giữa biến X và Y [6]. Giá trị của r biểu hiện cho độ mạnh yếu, dạng và phương hướng của mối tương quan giữa các biến. Trong nghiên cứu thống kê, r chỉ là hệ số tương quan của mẫu [sample] còn hệ số tương quan của tổng thể [population] thường được ký hiệu là p và p[X,Y] là hệ số tương quan lý thuyết của toàn bộ các phần tử trong tổng thể [7].
Bên cạnh đấy, cái gọi là độ mạnh yếu hay phương hướng của mối liên hệ được thể hiện qua các con số và trên hệ trục tọa độ, do đó phân tích tương quan chỉ áp dụng phân tích mối liên hệ trên các biến định lượng.
Nếu trên biến định tính, người nghiên cứu có thể dễ dàng chỉ ra sự khác biệt giữa các biến [A =/= B], thì các biến định lượng cho phép đo lương được sự phân cấp giữa các biến [A > B, B < C, C = A...]. Do đó, cách diễn giải kết quả phân tích theo dạng "Nghề A" > "Nghề B" [với nghề là biến định tính, sử dụng thang đo định danh [nominal scale]] là không có căn cứ toán học, mà chỉ có "Thu nhập nghề A" > "Thu nhập nghề B" [trong đó thu nhập là biến định lượng, sử dụng thang thứ bậc [ordinal] hoặc thang khoảng [range]] hoặc đơn giản là "nghề A" =/= "nghề B".
Như vậy, việc diễn giải dữ liệu theo dạng: “giới tính và nghề nghiệp có tương quan với nhau” là chưa chính xác về mặt bản chất. Vì cả hai biến “nghề nghiệp” và “giới tính” đều là biến định tính, do đó, chúng ta cần diễn giải theo cách khác, ví dụ như: “giới tính và nghề nghiệp có mối liên hệ có ý nghĩa thông kê với nhau”.
Tất nhiên, việc có hay không mối liên hệ có ý nghĩa thống kê sẽ còn được còn căn cứ vào việc thiết lập và bác bỏ giả thuyết [hypothesis] trong kiểm định mối liên hệ giữa các biến. Tuy nhiên, giới hạn của bài viết này chỉ hướng tới việc phân biệt khái niệm để diễn giải đúng vậy nên các nội dung liên quan sẽ được trình bày trong một bài viết khác ở lần sau
Kết luận:
- Thứ nhất, thuật ngữ “mối liên hệ” có ngoại diên rộng hơn “tương quan”. Nói cách khác, hai biến có tương quan với nhau chắc chắn có mối liên hệ với nhau; nhưng hai biến có mối liên hệ chưa chắc đã có thể có tương quan.
- Thứ hai, thuật ngữ "mối liên hệ" được áp dụng nói chung với tất cả các biến một cách tương đối, đặc biệt là biến định tính [qualitative variable]; trong khi tương quan được áp dụng cho phân tích mối liên hệ giữa các biến định lượng [quantitative variable]
- Thứ ba, nếu cụm từ “mối liên hệ” chỉ nói về việc các biến có liên quan tới nhau thì thuật ngữ “tương quan” được sử dụng để đo lường mức độ mạnh yếu, dạng và hướng của chính mối liên hệ ấy. Phân tích tương quan cho ra nhiều kết quả có giá trị hơn so với phân tích mối liên hệ thông thường.
Hy vọng bài viết này sẽ góp phần nào giúp các bạn phân biệt được hai khái niệm cơ bản trong thống kê, từ đó đưa ra được cách diễn giải phù hợp với yêu cầu phân tích của nghiên cứu
p/s: Cám ơn Th.S Nguyễn Hữu An Bộ môn Quản lý Xã hội, khoa Xã hội học & Công tác xã hội, Đại học Khoa học, ĐH Huế đã có nhiều góp ý quý báu cho bài viết này
----
* Chú thích:
[1] Nguyễn Sum, "Thống kê xã hội học", NXB Phú Xuân [2009], trg. 158
[2] Howard Fields, "Difference Between Correlation and Association". Nguồn: //www.differencebetween.net/language/words-language/difference-between-correlation-and-association/
[3] Nguyễn Lân, "Từ điển Hán - Việt", NXB Văn học [2007], trg. 817 và 403
[4] Lind, Marchal & Wathen, "Statistical technique in Business", Mc Graw Hill [2008], trg. 459
[5] Đặng Hùng Thắng, Trần Mạnh Cường, "Thống kê cho khoa học Xã hội và khoa học sự sống", NXB Đại học QGHN [2019], trg. 215
[6] Hệ số tương quan được phát triển bởi Karrl Pearson vào năm 1900. Nguồn: Lind, Marchal & Wathen, "Statistical technique in Business", Mc Graw Hill [2008], trg. 460
[7] Đặng Hùng Thắng, Trần Mạnh Cường, "Thống kê cho khoa học Xã hội và khoa học sự sống", NXB Đại học QGHN [2019], trg. 218