แผนที่ความร้อนสหสัมพันธ์

สหสัมพันธ์เพียร์สันคืออะไร?

สัมประสิทธิ์สหสัมพันธ์เพียร์สัน (r) วัดความแข็งแกร่งและทิศทางของความสัมพันธ์เชิงเส้นระหว่างสองตัวแปรต่อเนื่อง ตั้งแต่ −1 ถึง +1

เมทริกซ์สหสัมพันธ์แสดงค่า r คู่ แผนที่ความร้อนช่วยค้นหาคู่ที่สัมพันธ์กันสูง สำคัญสำหรับตรวจจับคุณลักษณะซ้ำซ้อน

สหสัมพันธ์ไม่ได้หมายถึงเหตุผล p-value ทดสอบนัยสำคัญทางสถิติ (มักจะ p < 0.05) ข้อมูลขนาดใหญ่อาจทำให้สหสัมพันธ์เล็กน้อยมีนัยสำคัญ

Formula: r = [nΣxᵢyᵢ − ΣxᵢΣyᵢ] / √[(nΣxᵢ² − (Σxᵢ)²)(nΣyᵢ² − (Σyᵢ)²)] การตีความ |r|: 0.0–0.3: อ่อน 0.3–0.7: ปานกลาง 0.7–1.0: แข็งแรง

ตัวอย่างการคำนวณ

ตัวแปร X = [1,2,3,4,5], Y = [2,4,5,4,5] Σx=15, Σy=20, Σxy=66, Σx²=55, Σy²=86, n=5 r = (330−300)/√((275−225)(430−400)) = 30/√(50×30) = 30/38.73 ≈ 0.775 — สหสัมพันธ์เชิงบวกค่อนข้างแรง แต่มีเพียง 5 จุดจึงไม่มีนัยสำคัญที่ระดับ 5% (p ≈ 0.12)

เมื่อใดควรใช้เครื่องคำนวณนี้

• นักวิเคราะห์ข้อมูลที่ทำการวิเคราะห์ข้อมูลเชิงสำรวจเพื่อระบุว่าตัวแปรใดสัมพันธ์กันอย่างแข็งแรงก่อนสร้างโมเดลพยากรณ์
• นักวิจัยที่ตรวจหาภาวะร่วมเส้นตรงพหุ (multicollinearity) ระหว่างตัวแปรพยากรณ์ก่อนทำการวิเคราะห์การถดถอย
• วิศวกรคุณภาพที่สืบหาว่าพารามิเตอร์กระบวนการใดมีสหสัมพันธ์กับของเสียหรืออัตราผลได้ของผลิตภัณฑ์
• นักวิเคราะห์การเงินที่ตรวจสอบความสัมพันธ์ระหว่างผลตอบแทนของสินทรัพย์เพื่อการตัดสินใจกระจายพอร์ตลงทุน

ข้อผิดพลาดที่ควรหลีกเลี่ยง

• ตีความสหสัมพันธ์เป็นความเป็นเหตุเป็นผล — ตัวแปรสองตัวที่เคลื่อนไหวไปด้วยกันไม่ได้หมายความว่าตัวหนึ่งเป็นสาเหตุของอีกตัว; ตัวแปรที่สาม (ตัวแปรกวน) อาจขับเคลื่อนทั้งคู่
• ละเลยความสัมพันธ์ไม่เชิงเส้น — สหสัมพันธ์ Pearson วัดเฉพาะความสัมพันธ์เชิงเส้นเท่านั้น; ตัวแปรสองตัวอาจมีความสัมพันธ์ไม่เชิงเส้นที่แข็งแรง (เช่น กำลังสอง) โดยที่ r ใกล้ศูนย์
• ถือว่านัยสำคัญทางสถิติคือความสำคัญในทางปฏิบัติ — ด้วยขนาดตัวอย่างใหญ่ แม้สหสัมพันธ์เพียงเล็กน้อย (r = 0.05) ก็อาจมีนัยสำคัญทางสถิติ (p < 0.05) แต่ไม่มีความหมายในทางปฏิบัติ
• ไม่ตรวจสอบค่าผิดปกติก่อนคำนวณสหสัมพันธ์ — จุดข้อมูลสุดโต่งเพียงจุดเดียวสามารถดันค่า Pearson r ขึ้นหรือลงได้อย่างมาก; ตรวจสอบแผนภาพการกระจายก่อนเสมอ

วิธีตีความผลลัพธ์

• ค่าสหสัมพันธ์ใกล้ +1 หรือ -1 บ่งชี้ความสัมพันธ์เชิงเส้นที่แข็งแรง; ใกล้ 0 บ่งชี้ว่าไม่มีความสัมพันธ์เชิงเส้น (แต่ไม่จำเป็นว่าไม่มีความสัมพันธ์เลย)
• คู่สหสัมพันธ์ที่แข็งแรงที่สุดที่ถูกเน้นในผลลัพธ์ระบุตัวแปรที่เชื่อมโยงกันแน่นที่สุด — มีประโยชน์ต่อการเลือกฟีเจอร์หรือการตรวจหา multicollinearity
• กลุ่มของสหสัมพันธ์สูงในฮีตแมปชี้ว่ามีกลุ่มตัวแปรที่เกี่ยวข้องกันซึ่งอาจกำลังวัดปัจจัยเบื้องหลังเดียวกัน

มาตรฐานและเอกสารอ้างอิง

• Pearson, K. (1896), 'Mathematical Contributions to the Theory of Evolution. III. Regression, Heredity, and Panmixia' — การจัดทำสูตรสัมประสิทธิ์สหสัมพันธ์แบบผลคูณโมเมนต์อย่างเป็นทางการ
• Fisher, R. A. (1925), Statistical Methods for Research Workers — การทดสอบนัยสำคัญสำหรับสัมประสิทธิ์สหสัมพันธ์
• NIST/SEMATECH e-Handbook of Statistical Methods — ขั้นตอนอ้างอิงสำหรับการวิเคราะห์สหสัมพันธ์และการตีความแผนภาพการกระจาย

คำถามที่พบบ่อย

ความต่างระหว่างเพียร์สันและสเปียร์แมน?

เพียร์สันวัดความสัมพันธ์เชิงเส้น สมมติการแจกแจงปกติ สเปียร์แมนใช้ลำดับ เหมาะสำหรับข้อมูลเชิงลำดับ

ตีความ p-value ในเมทริกซ์อย่างไร?

p < 0.05 แสดงนัยสำคัญทางสถิติ กรณีเปรียบเทียบคู่จำนวนมากควรใช้การแก้ไข Bonferroni