ข้อควรระวังเกี่ยวกับความสัมพันธ์

สถิติเบื้องต้นใน R

Maggie Matsui

Content Developer, DataCamp

ความสัมพันธ์แบบไม่เชิงเส้น

กราฟกระจายของตัวแปรที่มีความสัมพันธ์แบบกำลังสอง

$$r = 0.18$$

สถิติเบื้องต้นใน R

ความสัมพันธ์แบบไม่เชิงเส้น

สิ่งที่เราเห็น:

กราฟกระจายของตัวแปรที่มีความสัมพันธ์แบบกำลังสองพร้อมเส้นแนวโน้มแบบกำลังสอง

สิ่งที่ค่าสัมประสิทธิ์สหสัมพันธ์มองเห็น:

กราฟกระจายของตัวแปรที่มีความสัมพันธ์แบบกำลังสองพร้อมเส้นแนวโน้มแบบเชิงเส้น

สถิติเบื้องต้นใน R

สหสัมพันธ์รองรับเฉพาะความสัมพันธ์เชิงเส้นเท่านั้น

ไม่ควรใช้สหสัมพันธ์โดยไม่ไตร่ตรอง

cor(df$x, df$y)

0.1786163

ควรแสดงภาพข้อมูลเสมอ

กราฟกระจายของตัวแปรที่มีความสัมพันธ์แบบกำลังสอง

สถิติเบื้องต้นใน R

ข้อมูลการนอนหลับของสัตว์เลี้ยงลูกด้วยนม

msleep

   name                       vore  sleep_total awake  bodywt
 1 Cheetah                    carni        12.1  11.9  50    
 2 Owl monkey                 omni         17     7     0.48 
 3 Mountain beaver            herbi        14.4   9.6   1.35 
 4 Greater short-tailed shrew omni         14.9   9.1   0.019
 5 Cow                        herbi         4    20   600    
 6 Three-toed sloth           herbi        14.4   9.6   3.85 
 ...
สถิติเบื้องต้นใน R

น้ำหนักตัวเทียบกับเวลาตื่น

กราฟกระจายของน้ำหนักตัวเทียบกับเวลาตื่น

cor(msleep$bodywt, msleep$awake)

0.3119801
สถิติเบื้องต้นใน R

การกระจายของน้ำหนักตัว

ฮิสโทแกรมของตัวแปร bodywt

สถิติเบื้องต้นใน R

การแปลงลอการิทึม

msleep %>%
  mutate(log_bodywt = log(bodywt)) %>%

  ggplot(aes(log_bodywt, awake)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

 

cor(msleep$log_bodywt, msleep$awake)

0.5687943

กราฟกระจายของ log bodywt เทียบกับเวลาตื่น

สถิติเบื้องต้นใน R

การแปลงแบบอื่น

  • การแปลงลอการิทึม (log(x))
  • การแปลงรากที่สอง (sqrt(x))

  • การแปลงค่าผกผัน (1 / x)

  • การรวมกัน เช่น:

    • log(x) และ log(y)
    • sqrt(x) และ 1 / y
สถิติเบื้องต้นใน R

ทำไมต้องใช้การแปลงข้อมูล?

  • วิธีทางสถิติบางอย่างต้องการให้ตัวแปรมีความสัมพันธ์เชิงเส้น
    • ค่าสัมประสิทธิ์สหสัมพันธ์
    • การถดถอยเชิงเส้น
สถิติเบื้องต้นใน R

สหสัมพันธ์ไม่ได้หมายถึงความเป็นเหตุเป็นผล

x มีความสัมพันธ์กับ y ไม่ได้หมายความว่า x เป็นสาเหตุของ y

กราฟกระจายของปริมาณการบริโภคมาร์การีนต่อหัวในสหรัฐฯ เทียบกับอัตราการหย่าร้างในรัฐเมน ตัวแปรทั้งสองมีความสัมพันธ์สูงมากโดยมีค่าสัมประสิทธิ์สหสัมพันธ์ 0.99

สถิติเบื้องต้นใน R

ตัวแปรกวน

  การดื่มกาแฟ (x) ชี้ไปยังมะเร็งปอด (y)

สถิติเบื้องต้นใน R

ตัวแปรกวน

  การดื่มกาแฟ (x) ชี้ไปยังมะเร็งปอด (y) โดยมีการสูบบุหรี่ (ตัวแปรกวน) อยู่ด้านบน

สถิติเบื้องต้นใน R

ตัวแปรกวน

  การดื่มกาแฟ (x) ชี้ไปยังมะเร็งปอด (y) โดยมีการสูบบุหรี่ (ตัวแปรกวน) ลูกศรสองทิศทางระหว่างการสูบบุหรี่กับการดื่มกาแฟ ระบุว่า "ความสัมพันธ์"

สถิติเบื้องต้นใน R

ตัวแปรกวน

  การดื่มกาแฟ (x) ชี้ไปยังมะเร็งปอด (y) โดยมีการสูบบุหรี่ (ตัวแปรกวน) ลูกศรสองทิศทางระหว่างการสูบบุหรี่กับการดื่มกาแฟ ระบุว่า "ความสัมพันธ์" ลูกศรจากการสูบบุหรี่ไปยังมะเร็งปอด ระบุว่า "การเป็นเหตุ"

สถิติเบื้องต้นใน R

ตัวแปรกวน

  การดื่มกาแฟ (x) มีลูกศรสองทิศทางชี้ไปยังมะเร็งปอด (y) ระบุว่า "ความสัมพันธ์" ลูกศรสองทิศทางระหว่างการสูบบุหรี่กับการดื่มกาแฟ ระบุว่า "ความสัมพันธ์" ลูกศรจากการสูบบุหรี่ไปยังมะเร็งปอด ระบุว่า "การเป็นเหตุ"

  วันหยุด (x) ชี้ไปยังยอดขายปลีก (y) โปรโมชันพิเศษ (ตัวแปรกวน) มีลูกศรสองทิศทางชี้ไปยังวันหยุดและลูกศรเดียวชี้ไปยังยอดขายปลีก

สถิติเบื้องต้นใน R

มาฝึกกันเถอะ!

สถิติเบื้องต้นใน R

Preparing Video For Download...