Phi Katsayısı

Kısaca: Phi katsayısı veya Φ - katasayısı veya ortalama kare kontenjansı katsayası olarak isimlendirilen ve matematik notasyonla by ''φ'' (veya ''r'φ'') olarak ifade edilen iki tane iki-değerli isimsel veya sırasal değişkenin birbirine "birliktelik (association)" ilişkisini gösteren ölçü katsayılarıdır. ...devamı ☟

Phi katsayısı veya Φ - katasayısı veya ortalama kare kontenjansı katsayası olarak isimlendirilen ve matematik notasyonla by φ (veya rφ) olarak ifade edilen iki tane iki-değerli isimsel veya sırasal değişkenin birbirine "birliktelik (association)" ilişkisini gösteren ölçü katsayılarıdır. İlk defa istatistikçi Karl Pearson tarafından ortaya atılmışlardır. . Bu ölçü katsayısının anlamı kavram olarak Pearson çarpım-moment korelasyon katsayısı kavramına çok yakındır. Gerçekten de "phi-katsayısı" iki (0-1) değer alan kategorik değişken için Pearson'un korelasyon katsayısı formülünün uygulanması ile ortaya çıkarılmıştır. Diğer taraftan "phi-katsayısı" karesi 2x2 kontenjans tablosu için hesaplanan "ki-kare" değeri ile ve Pearson'un ki-kare testi ile yakından ilişkilidir. Tanımlama ve hesaplama Bu phi-katsayısı şöyle ifade edilir: : \phi^2 = \frac Burada n örneklem gözlem sayısıdır. Genel iki (0,1)değerli x ve y değişkenli bir 2x2 kontenjans tablosu şöyle yazılabilir:
|| n_ || n_ |----- | x = 1 || n_ || n_ || n_ |----- | Sütun toplamı || n_ || n_ || n |}
Burada n11, n10, n01, n00 hücredeki veri sayılarıdır; n_, n_: satır toplamları; n_ ve n_ : sütun toplamları ve n tüm toplam gözlem sayısıdır. Phi-katsayısı bu 2x2 kontenjans tablosundan şöyle hesaplanabilir: : \phi = \fracn_-n_n_}n_n_n_}} Phi-katsayısı (tümüyle negatif bağımlı olan) -1 'den bir maksimum değere kadar değişir. Eğer her iki değişken %50:%50 olarak bölünmüşlerse bu maksimum değer +1 olur ve aksi halde +1'in altındadır. "Birliktelik" "eğer bir veri sujesinin hangi hücrenin belirli bir satırına dahil olduğunu bilirsek onun hangi sütuna dahil olacağını tahmin edebilir miyiz?" şeklinde de ifade edilebilir. Eğer iki (0-1) değerli kategorik değişken "pozitif birliktelik" gösterirse verilerin çok büyük bir kısmı diyagonal üzerinde bulunur; eğer "negatif birliktelik" gösterirse verilerin çoğunluğu diygonal dışında bulunurlar. Hesaplanan phi-katsayısı şöyle açıklanabilir: * -1.0 ile -0.7 arası güçlü negatif bağımlılık; * -0.7 ile -0.3 arası zayıf negatif bağımlılık; * -0.3 ile +0.3 0 veya çok küçük bağımlılık; * +0.3 ile +0.7 arası zayıf pozitif bağımlılık; * +0.7 ile +1.0 arası güçlü pozitif bağımlılık; Örnek Bir işyerinde çalışanlar iki tipe ayrılmışlardır "memur" ve "hizmetli". Bu işyerinde iki türlü ücret ödemesi yapılmaktadır: sabit aylık "maaş" ve çalışılan saate göre "ücret". "Çalışan ayrımı" ile "ödeme ayrımı" değişkenleri arasında ne şekilde bir ilişki mevcut olduğu araştırma sorunudur. Bunlara için 88 adet gözlem toplanmıştır ve bu iki tane iki değerli veri ayrımlara göre şu 2x2 kontenjans tablosunda gösterilmiştir. Bu tabloda sütun toplamları, satır toplamları ve toplam veri sayısı da gösterilmektedir.
Böylece elimizde (0-1) değerli iki kategori değişkeni bulunmaktadır. Elimizdeki verileri "phi-katsayısı" formülüne koyasrsak şu sonucu elde ederiz. : \phi = \frac} : \phi = \frac : \phi = 0.798 Bu örnek için elde ettiğimiz "phi-katsayısı" değeri 0.709 olarak bulunmuştur ve bu değer +0.7 ile +1.0 arasında olduğu için güçlü pozitif bağımlılık gösterir. Ayrıca bakınız * Pearson'un ki-kare testi * Korelasyon Notlar * İngilizce Wikipedia "Phi coefficient" maddesi

Dış bağlantılar

* Guilford, J. (1936), Psychometric Methods. New York: McGraw–Hill Book Company, İnç. * Everitt B.S. (2002), The Cambridge Dictionary of Statistics, CUP. İŞBN 0-521-81099-X * Davenport, E. ve El-Sanhury, N. (1991), "Phi/Phimax: Review and Synthesis" Educational and Psychological Measurement C.51, s.821–828.

Kaynaklar

Vikipedi

Bu konuda henüz görüş yok.
Görüş/mesaj gerekli.
Markdown kullanılabilir.