Partiële correlatie
| Opdracht: | Statistiek CorrelatiePartiële correlatie |
|---|
Gebruik partiële correlatie wanneer je vermoedt dat het verband tussen 2 variabelen wordt beïnvloed door andere variabelen. Men zegt dat de partiële correlatiecoëfficiënt aangepast of gecorrigeerd is voor de invloed van de verschillende covariaten.
Vereiste invoer
Variabele Y - Variabele X
Selecteer de 2 variabelen die je interesseren.
Covariaten
De variabelen waarvan je vermoedt dat ze het verband tussen de variabelen X en Y beïnvloeden.
Selecteren
(Optioneel) voer een filter in om alleen een geselecteerde subgroep van gevallen in de statistische analyse op te nemen.
Opties
Je kan een logaritmische transformatie selecteren voor een of beide variabelen.
Resultaten
Variabele Y | GRADE_A |
|---|---|
Variabele X | ATP |
Covariaten |
|---|
CONCENTRATION |
MORPHOLOGY |
Steekproefgrootte | 46 |
|---|---|
Correlatiecoëfficiënt r | 0.1805 |
Significantieniveau | P=0.2410 |
  |
Het resultatenvenster voor partiële correlatie toont:
- Steekproefgrootte: het aantal (geselecteerde) gegevensparen
- Correlatiecoëfficiënt: de partiële correlatiecoëfficiënt, met P-waarde
Interpretatie
De partiële correlatiecoëfficiënt interpreteer je zoals een gewone Pearson-correlatiecoëfficiënt: hij ligt tussen −1 en +1 en meet de sterkte en de richting van het lineaire verband tussen X en Y, nadat het lineaire effect van de covariaten uit beide variabelen is verwijderd. Hij beantwoordt de vraag: ‘hoe sterk hangen X en Y samen bij personen met dezelfde waarden van de covariaten?’ De P-waarde toetst de nulhypothese dat de partiële correlatie in de populatie nul is.
Vergelijk de partiële correlatie altijd met de gewone (niet-gecorrigeerde) correlatiecoëfficiënt. Ligt de partiële correlatie veel dichter bij nul, dan wordt het verband tussen X en Y grotendeels verklaard door de covariaten (confounding). Is ze vergelijkbaar, dan hebben de covariaten weinig invloed. Is ze groter, of heeft ze het tegengestelde teken, dan maskeerde een covariaat het verband (suppressie). Houd er rekening mee dat de correctie alleen lineaire effecten verwijdert en geen oorzakelijk verband bewijst. Corrigeer alleen voor variabelen die plausibel zowel X als Y beïnvloeden: corrigeren voor een variabele die op het causale pad tussen X en Y ligt, verwijdert een deel van precies het effect dat je wilt meten.
Literatuur
- Altman DG (1991) Practical statistics for medical research. London: Chapman and Hall.