Ukuran Asosiasi: Glosarium
Ukuran Asosiasi: Glosarium
com
Ukuran Asosiasi
GH Huang, Universitas Nasional Chiao Tung, Hsinchu, Taiwan
n
ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiff
2 di dalam
Rasio peluang – Rasio odds adalah ukuran dasar asosiasi Saya¼1DxSaya - xNS2 Saya¼1D kamuSaya - kamuNS
260
Ukuran Asosiasi 261
hubungan (misalnya, untuk siswa dengan skor matematika kurang dari mengamati peringkat siswa dalam tes matematika dan sains, tetapi
70/100, semakin tinggi skor matematika, semakin rendah skor sains; bukan nilai sebenarnya. Selain koefisien korelasi peringkat Spearman
namun, untuk siswa dengan skor matematika lebih besar dari 70/100, yang baru saja kami jelaskan, koefisien korelasi peringkat tau Kendall
semakin tinggi skor matematika, semakin tinggi sains skor). (Kendall, 1938) dapat digunakan untuk mengevaluasi hubungan
Jika kita memiliki outlier (yaitu, nilai ekstrim) dalam satu antara x dan Y. Tau Kendall adalah ukuran asosiasi nonparametrik
atau kedua variabel, koefisien korelasi Pearson akan sangat berdasarkan jumlah konkordansi dan ketidaksesuaian dalam
terpengaruh. Misalnya, pertimbangkan situasi di mana pengamatan berpasangan. Membiarkan (xSaya, kamuSaya) dan (xJ,
sebagian besar siswa memiliki nilai matematika dalam kamuJ) menjadi sepasang pengamatan (bivariat). JikaxJ - xSaya dan
kisaran 50/100 dan 90/100, tetapi ada beberapa individu kamuJ - kamuSaya memiliki tanda yang sama, kita katakan bahwa
yang nilainya sangat rendah (misalnya, 5/100). Dalam hal ini, pasangan tersebut konkordan; jika mereka memiliki tanda yang
nilai rata-rata matematika menjadi sangat kecil dan nilaiR berlawanan, pasangan itu sumbang. MembiarkanC menyatakan
menjadi cukup kecil juga. Ada alternatif lain. Koefisien jumlah pasangan konkordan dan D menyatakan jumlah pasangan
korelasi peringkat Spearman (Spearman, 1904) tidak sumbang. Rumus untuk Kendall's tau-A adalah
menggunakan data yang diamati sebenarnya, tetapi
C-D
peringkat data DRx ; Rkamu NS; . 1. . ; DRmasukkan
1
koefisien
x nR; NS untuk com- kamun TA ¼
T0
korelasi. Di Sini,Rx adalah
Saya
pangkat xSaya
di antara x1, . . . ,xn, dan Rkamu adalah
Saya
pangkat kamuSaya di antara kamu1 di mana T0 ¼ n(n - 1)/2 adalah jumlah total pasangan
, . . . ,kamun. Jika ada nilai terikat (misalnya, beberapa siswa memiliki skor pengamatan. JikaTA > 0, dua set pengamatan lebih
yang sama), seseorang dapat menetapkan peringkat yang sama, rata-rata cenderung sesuai daripada sumbang, dan ada
peringkat yang awalnya sesuai dengan nilai-nilai ini, untuk masing-masing hubungan positif antara x dan Y. TA < 0 menunjukkan
nilai yang sama. hubungan negatif antara x dan Y. Jika tidak ada
Dalam beberapa kasus, penting untuk menilai derajat pengamatan terikat, maka -1 - TA - +1. Jika ada ikatan,
hubungan antara dua variabel setelah mengontrol variabel |TA| akan lebih kecil dari 1.
lain. Para peneliti mungkin tertarik pada hubungan antara Ketika variabel hanya memiliki beberapa kemungkinan
nilai matematika dan sains SAT setelah menghilangkan nilai (yaitu,Saya dan J kecil), data biasanya diringkas sebagai
kontribusi dari usia dan jenis kelamin. Koefisien korelasi AKU J tabel kontingensi dengan naku j mewakili frekuensi
parsial (Yule, 1897) adalah ukuran yang mencapai tujuan ini. untuk Sayatingkat th x variabel dan Jtingkat th kamu
Misalkan kita tertarik pada hubungan antarax dan Y, tetapi variabel. Dalam contoh kami, ini dapat terjadi ketika siswa
ingin mengontrol variabel lain Z1, . . . ,ZP. Koefisien korelasi hanya dikategorikan sebagai sangat baik, baik, rata-rata,
parsial didefinisikan sebagai koefisien korelasi Pearson atau buruk berdasarkan hasil tes matematika dan sains
untuk himpunann variabel turunan berpasangan Dex ; ekamu mereka. Perlu dicatat bahwaP , sekarang, TA tidak lamaPeh bohong
NS; . . . ; De ;di mana ex adalah sisa untuk1 Sayaindividu
1
dari NS,
xe
nkamu n antara -1 dan th1. Mari nSayath ¼ J naku j dan nthJ ¼ n Saya aku j .
regresi linier
Saya
x pada Z 1 , . . . ,Z P , dan ekamu adalah residual dari Versi modifikasi dari tau Kendall adalah
regresi linier kamupada Z1, . . . ,ZP. Ketika hanya Saya
ada satuZ
variabel, koefisien korelasi parsial adalah sebagai C-D
TB ¼ pffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffif
adalah rasio peluang. Rasio odds didefinisikan sebagai rasio siswa partisipasi kelas adalah perempuan dan berapa
peluang suatu peristiwa yang terjadi dalam satu kelompok proporsi siswa partisipasi kelas sesekali adalah perempuan.
dengan peluang itu terjadi di kelompok lain. Peluang terjadinya Atau penelitian ini dapat mensurvei 450 siswa dan untuk
suatu kejadian adalahP/(1 - P), di mana P adalah peluang setiap peserta kami menentukan jenis kelamin dan
kejadian. Misalnya, pertimbangkan tabel kontingensi make-up partisipasi kelasnya.
yang ditunjukkan pada:Tabel 1, dengan seks sebagai x variabel Rasio odds dapat diubah menjadi skala -1 hingga 1 dengan
dan partisipasi kelas sebagai kamu variabel. Rasio odds mengubahnya menjadi Yule's Q (Yule, 1912):
partisipasi aktif di kelas untuk perempuan dibandingkan dengan A-1 n11n22 - n12n21
laki-laki adalah Q¼ ¼
A th 1 n11n22 th n12n21
D158=210=ð52=210Þ ð 158 64
A¼ ¼ ¼ 1:1 Dalam situasi ketika hubungan antara x dan kamu
176=240=ð64=240NS 176 52
dipengaruhi oleh faktor ketiga, salah satu cara yang jelas adalah
Perhatikan bahwa rasio odds dapat dinyatakan sebagai dengan melihat tabel 2 2 dari x melawan kamu dalam strata
rasio perkalian silang dari frekuensi sel dari tabel 2 2. terpisah oleh faktor ketiga. Misalnya, jika kita khawatir bahwa
Nilai odds ratio jatuh pada [0, 1). Rasio odds 1 menunjukkan kehadiran di kelas mempengaruhi hubungan antara jenis
bahwa kejadian yang diteliti (misalnya, partisipasi aktif di kelas) kelamin dan partisipasi kelas, kita dapat menghitung rasio odds
sama-sama mungkin terjadi pada kedua kelompok (misalnya, untuk hubungan antara jenis kelamin dan partisipasi kelas di
perempuan vs laki-laki). Rasio odds yang lebih besar dari 1 setiap kelompok kehadiran di kelas (biasa versus tidak teratur).
menunjukkan bahwa kejadian tersebut lebih mungkin terjadi pada Untuk menggabungkan rasio odds untuk strata yang terpisah
kelompok pertama (misalnya, perempuan), dan rasio odds kurang menjadi perkiraan ringkasan keseluruhan, kita dapat
dari 1 menunjukkan bahwa kejadian tersebut lebih kecil menggunakan prosedur Cochran-Mantel-Haenszel (Cochran,
kemungkinannya pada kelompok pertama. Rasio odds adalah 1954; Mantel dan Haenszel, 1959) yang memberikan rata-rata
invarian di bawah pertukaranx dan kamu variabel; yaitu, rasio odds tertimbang dari rasio peluang terpisah. Rasio odds Cochran–
menjadi perempuan untuk siswa partisipasi kelas aktif dibandingkan Mantel–Haenszel diperkirakan sebagai
dengan siswa partisipasi kelas sesekali adalah sama dengan rasio !, !
xnDkNS k x DkNS
n12
nDkNS
peluang partisipasi aktif di kelas untuk perempuan dibandingkan 11 nð22
Þ 21
AMH ¼ nDkNS nDkNS
dengan laki-laki. Properti ini sangat berguna untuk studi dengan k k
berbagai skema sampling. UntukTabel 1, seseorang selalu dapat
di mana k mewakili ktanggal 2 2 meja (lapisan). Di kami
memperoleh rasio odds yang sama tidak peduli bagaimana sampel
contoh, misalkan 2 2 tabel untuk kelompok kehadiran kelas
penelitian dipilih. Studi ini pertama-tama dapat memilih 210
reguler dan kelompok kehadiran kelas tidak teratur ada di
perempuan dan 240 laki-laki dan kemudian membandingkan
Meja 2. Kemudian, rasio odds Cochran–Mantel–Haenszel
kemungkinan berpartisipasi aktif di kelas antara dua jenis kelamin.
dapat diperoleh sebagai
Atau studi tersebut pertama-tama mengidentifikasi 334 siswa
- -
partisipasi kelas aktif dan 116 siswa partisipasi kelas sesekali dan 131 4 27 60 36 29 140 23
AMH ¼ th th ¼ 0:5
kemudian menentukan berapa proporsi siswa aktif 200 250 200 250
Meja 2 Jenis kelamin versus partisipasi kelas untuk setiap kelompok kehadiran di kelas