Kısmi Korelasyon

Kısmi korelasyon, iki değişken arasındaki ilişkinin ne kadarının üçüncü değişkenlerle paylaşılan ortak bir zeminden geldiğini ayırmaya çalışır. Hesap iki adımdan oluşur: önce ilgilendiğiniz iki değişkenin her biri, denetim altına almak istediğiniz değişkenlere en küçük kareler yöntemiyle regres edilir; böylece her iki değişkenin denetim değişkenleriyle açıklanabilen kısmı çıkarılır ve geride artıklar kalır. İkinci adımda bu iki artık kümesi arasındaki Pearson korelasyonu alınır. Geriye kalan katsayı, denetim değişkenleri sabit tutulmuş gibi düşünüldüğünde iki değişken arasında ne kadar doğrusal birliktelik bulunduğunu anlatır. Anlamlılık hesaplanırken serbestlik derecesi denetim değişkeni sayısı kadar düşürülür, çünkü her denetim değişkeni veriden bir miktar bilgi tüketir. Katsayı Pearson ile aynı ölçekte okunur, eksi bir ile artı bir arasında değer alır. YouReply Nicel Analiz kısmi katsayının yanında denetim uygulanmamış sıfır düzeyli korelasyonu da raporlar; iki değerin karşılaştırılması denetimin ne kadar fark yarattığını doğrudan gösterir.

• İş yükü algısı ile tükenme puanı arasındaki ilişki, uyku süresi denetim altına alındığında da sürüyor mu?
• Reklam hatırlama ile satın alma niyeti arasındaki birliktelik, markaya önceden duyulan aşinalık ayrıldıktan sonra ne kadar kalıyor?
• Gelir ile tasarruf eğilimi arasındaki ilişkide yaşın payı ne kadar?
• Ekran süresi ile akademik başarı arasındaki ilişki, ailenin eğitim düzeyi ve hane büyüklüğü birlikte denetlendiğinde zayıflıyor mu?

• İki sürekli değişken arasında bulduğunuz ilişkinin üçüncü bir değişkenden kaynaklanabileceğine dair kuramsal bir gerekçeniz varsa.
• Denetlemek istediğiniz değişken veri dosyanızda ölçülmüş olarak bulunuyorsa; ölçülmemiş bir değişken hiçbir biçimde denetim altına alınamaz.
• Soru hâlâ bir birliktelik ölçüsüyse; birim başına değişimi ya da tahmin doğruluğunu öğrenmek istiyorsanız regresyon kurmanız gerekir.
• Ölçek puanları arasındaki ilişkileri betimlerken ortak bir yöntem etkisini ya da demografik bir zemini dışarıda tutmak istediğinizde.
• Denetim değişkeni sayısı az tutulabiliyorsa; her yeni denetim değişkeni serbestlik derecesini düşürür ve katsayının yorumunu zorlaştırır.

• İlgilendiğiniz iki değişken sürekli olmalıdır; Değişken sekmesinde ölçek düzeyinde işaretlenmiş sayısal sütunlar.
• Denetim değişkenleri sayısal sütunlar olarak verilir; bir ya da daha fazla sütun belirtebilirsiniz.
• Kategorik bir değişkeni denetim altına almak istiyorsanız önce sayısal göstergelere dönüştürmeniz gerekir; ikili kodlanmış bir sütun doğrudan kullanılabilir.
• Analiz eksiksiz satırlarla yürür: iki ana değişkenden ya da herhangi bir denetim değişkeninden birinde yanıtı olmayan satır tümüyle dışarıda kalır, bu yüzden denetim eklemek örneklemi daraltır.
• Denetim değişkeni olarak seçilen sütun, ilgilendiğiniz değişkenlerden biriyle neredeyse aynı bilgiyi taşıyorsa katsayı kararsız hâle gelir; ölçek toplam puanı ile o ölçeğin bir alt boyutunu aynı hesapta kullanmak buna örnektir.

İlişkilerin doğrusal olması

Hem ana iki değişken arasındaki ilişki hem de her birinin denetim değişkenleriyle ilişkisi doğrusal varsayılır. Bir denetim değişkeninin etkisi eğriselse, doğrusal regresyon o etkinin yalnız bir bölümünü çıkarır ve geride kalan artıklar hâlâ o değişkenin izini taşır.

Normallik

p değerinin dayandığı dağılım, artıkların ve değişkenlerin davranışına ilişkin normallik varsayımından gelir. Katsayının kendisi bu varsayım olmadan da hesaplanır; etkilenen anlamlılık sınamasının doğruluğudur.

İstatistiksel denetim tasarımla denetim değildir

Bir değişkeni hesapta denetim altına almak, onu deneyde sabit tutmakla aynı şey değildir. Regresyon yalnız ölçülmüş değerlerin doğrusal katkısını çıkarır: ölçüm hatasıyla kirlenmiş bir denetim değişkeni etkisinin yalnız bir bölümünü ayırır, hiç ölçülmemiş bir değişken ise ayrılamaz. Bu nedenle kısmi katsayı nedensellik kurmaz: ilişkinin denetimden sonra da sürmesi, geriye kalan birlikteliğin nedensel olduğunu göstermez, yalnız seçtiğiniz denetim değişkenleriyle açıklanamadığını gösterir.

Denetim değişkenleri arasında aşırı örtüşme bulunmaması

Denetim değişkenleri birbirinin yerine geçecek kadar örtüşüyorsa regresyon adımı kararsızlaşır ve artıklar anlamlı biçimde ayrışmaz. Aynı şey, denetim değişkeninin ana değişkenlerden biriyle neredeyse aynı olduğu durumda da geçerlidir.

Gözlemlerin bağımsızlığı

Her satır bağımsız bir gözlem olmalıdır. Aynı kişinin birden çok kez yer aldığı ya da sınıf, hane gibi kümelerin bulunduğu veride anlamlılık olduğundan iyimser görünür.

• İlişkilerin doğrusal olması: Panel doğrusallığı denetleyen bir sınama yürütmez. Değerlendirme için ilgili değişken çiftlerini ayrı ayrı incelemek ve kuramsal olarak eğrisel beklediğiniz denetimleri dönüştürülmüş biçimde vermek size düşer.
• Normallik: Bu yöntemde normallik sınanmaz. Dağılımları görmek isterseniz normallik testlerini ayrı bir yöntem olarak çalıştırmanız gerekir.
• İstatistiksel denetim tasarımla denetim değildir: Panel hangi değişkenlerin denetlenmesi gerektiğine dair bir değerlendirme yapmaz ve eksik bir denetim için uyarı üretmez; denetim kümesini kuramsal gerekçeyle siz kurarsınız.
• Denetim değişkenleri arasında aşırı örtüşme bulunmaması: Örtüşme için bir tanı ölçüsü döndürülmez. Denetim kümesini kurmadan önce sütunlar arası ilişkileri ayrı korelasyon koşularıyla görmek pratik bir ön adımdır.
• Gözlemlerin bağımsızlığı: Panel bu varsayımı otomatik denetlemez; değerlendirme araştırmacıya aittir.

1. 1Veri dosyanızı yükleme alanına sürükleyin; CSV ya da XLSX dosyası Veri sekmesindeki düzenlenebilir ızgarada açılır.
2. 2Değişken sekmesinde iki ana değişkenin ve bütün denetim değişkenlerinin sayısal olarak okunduğunu denetleyin; metin olarak saklanmış bir sayı regresyon adımına giremez.
3. 3Kayıp değer kodlarını aynı sekmede tanımlayın; denetim değişkeni eklemek eksiksiz satır koşulunu sıkılaştırdığı için bu adım örneklem büyüklüğünü doğrudan etkiler.
4. 4Analiz sekmesinde ilişki kategorisinden yöntemi seçin; arama kutusunu kullanabilir ya da Yalnız verime uyanlar anahtarıyla listeyi daraltabilirsiniz.
5. 5Parametre formunda ilişkilendirilecek iki sütunu ve denetim değişkenlerini belirtin; denetim alanı bir ya da daha fazla sütun kabul eder.
6. 6Analizi çalıştırın ve sonucu açılır bölümlerden okuyun; kısmi katsayının yanında sıfır düzeyli katsayı da yer alır.
7. 7İki katsayıyı karşılaştırıp denetimin ne kadar fark yarattığını görün, ardından tabloyu Excel olarak indirin ve hesaplama künyesi kartından kullanılan çağrıyı not edin.

Kısmi korelasyon katsayısı

Denetim değişkenlerine regres edilmiş iki değişkenin artıkları arasındaki Pearson korelasyonu. Eksi bir ile artı bir arasında değer alır ve Pearson katsayısıyla aynı ölçekte okunur.

Anlamlılık değeri

Kısmi katsayının sıfır olduğu varsayımı altında hesaplanan p değeri. Serbestlik derecesi denetim değişkeni sayısı kadar düşürülerek hesaplanır.

Sıfır düzeyli korelasyon

Hiçbir denetim uygulanmadan hesaplanan katsayı, karşılaştırma için birlikte verilir. İki değer arasındaki açıklık denetimin ilişkiyi ne kadar zayıflattığını ya da güçlendirdiğini gösterir.

Denetim değişkenleri ve gözlem sayısı

Hesaba giren denetim değişkenlerinin listesi ve eksiksiz satır koşulunu sağlayan gözlem sayısı sonuçta görünür; bu sayı denetim eklendikçe düşebilir.

Korelasyon çubuk grafiği

İlişki yöntemleri katsayıyı gösteren korelasyon çubuk grafiği ailesine girer, bu yüzden katsayı çubuk olarak çizilebilir ve grafik PNG olarak indirilebilir.

Katsayının kendisi

Kısmi katsayı birimsiz ve standartlaştırılmış bir ölçüdür, ayrıca bir etki büyüklüğü hesaplanmasına gerek yoktur. Yorum yapılırken dikkat edilecek nokta, aynı sayısal değerin denetim kümesine bağlı olarak farklı anlamlar taşımasıdır: tek bir demografik değişken denetlenerek bulunan 0,30, altı değişken denetlenerek bulunan 0,30 ile aynı iddiayı taşımaz. Bu nedenle katsayı daima hangi değişkenlerin denetlendiği belirtilerek raporlanır.

Kısmi belirleme

Kısmi katsayının karesi, denetim değişkenleriyle açıklanan kısım çıkarıldıktan sonra iki değişkenin artık olarak paylaştığı değişkenlik oranı biçiminde okunabilir. Panel bu değeri ayrı bir alan olarak döndürmez, katsayı üzerinden kendiniz hesaplarsınız. Sıfır düzeyli katsayının karesiyle karşılaştırmak, denetimin ne kadar ortak zemin soyduğunu sayıyla göstermenin en doğrudan yoludur.

Bu yöntemde güven aralığı döndürülmez. Kısmi katsayı, p değeri ve sıfır düzeyli katsayı nokta tahminler olarak verilir; Fisher z dönüşümüne dayanan aralık hesaplanmaz ve iki katsayı arasındaki fark için de aralık üretilmez. Yayın bir aralık istiyorsa bunu panel dışında, serbestlik derecesinin denetim sayısı kadar düşürüldüğünü hesaba katarak üretmeniz gerekir.

Aşağıdaki sayılar temsili bir örnektir; gerçek bir araştırmanın ya da gerçek bir kullanıcının verisi değildir.

Araştırma sorusu

Temsili bir çalışan araştırmasında, iş yükü algısı ile tükenme puanı arasındaki ilişki günlük uyku süresi denetim altına alındığında da sürüyor mu?

Değişkenler

Birinci değişken: iş yükü algısı ölçeği toplam puanı, 8-40 arası (sürekli) · İkinci değişken: tükenme ölçeği toplam puanı, 0-60 arası (sürekli) · Denetim değişkeni: bildirilen ortalama günlük uyku süresi, saat olarak (sürekli)

Örnek sonuç

Üç değişkende de yanıtı bulunan 260 katılımcı analize girdi. Denetim uygulanmadan sıfır düzeyli katsayı 0,52; uyku süresi denetim altına alındığında kısmi katsayı 0,34, p < 0,001. Serbestlik derecesi bir denetim değişkeni için düşürülerek 257 olarak hesaplandı.

Yorum

İlişki denetimden sonra da sürüyor ama belirgin biçimde zayıflıyor: 0,52'den 0,34'e inen katsayı, iş yükü ile tükenme arasındaki birlikteliğin bir bölümünün ikisinin de uyku süresiyle paylaştığı zeminden geldiğini gösteriyor. Karelerle okunduğunda paylaşılan değişkenlik yüzde 27'den yüzde 12'ye düşüyor. Buradan çıkmayan sonuç şudur: kalan 0,34 nedensel bir etki değildir. Uyku süresi dışında ölçülmemiş başka değişkenler de ikisini birlikte sürüklüyor olabilir ve uyku süresi kendi ölçümündeki hata kadar eksik denetlenmiştir, çünkü katılımcıların bildirdiği ortalama süre gerçek süreyi kusursuz yansıtmaz. Ayrıca denetim istatistikseldir: kimsenin uyku süresi deneysel olarak sabitlenmemiştir. Sayılar temsilidir.

Araştırma sorusu: Kalite algısı sabit tutulduğunda memnuniyet ile bağlılık arasındaki ilişki sürüyor mu?

Birinci değişken

memnuniyet

İkinci değişken

baglilik

Kontrol edilen değişkenler

kalite_puani

Hesaplama künyesi: scipy 1.18.0 · statsmodels 0.14.6 · scikit-learn 1.9.0 · numpy 2.5.1 · pandas 3.0.5 · semopy 2.3.11 · 89fc29a · Veri tohumu: 20260914

Günlük uyku süresi denetim altına alındığında iş yükü algısı ile tükenme puanı arasındaki ilişki anlamlı kaldı, kısmi r(257) = 0,34, p < 0,001; denetim uygulanmadan hesaplanan katsayı 0,52 idi.

APA düzenine yakın örnek cümle; sayılar temsilidir.

• Yalnız ölçülmüş değişkenler denetim altına alınabilir; veri dosyanızda bulunmayan bir karıştırıcı hesaba hiçbir biçimde girmez ve katsayı onun etkisini taşımaya devam eder.
• Denetim değişkeni ölçüm hatası taşıyorsa etkisi eksik ayrılır, bu yüzden kısmi katsayı gerçekte olması gerekenden yüksek kalabilir.
• Katsayının denetimden sonra da anlamlı çıkması nedensel bir yön göstermez; istatistiksel denetim deneysel denetimin yerini tutmaz.
• Her yeni denetim değişkeni serbestlik derecesini düşürür ve eksiksiz satır koşulunu sıkılaştırır, bu yüzden uzun denetim listeleri örneklemi daraltıp gücü azaltır.
• Aracı bir değişkeni denetim altına almak ilişkiyi yapay biçimde yok edebilir; denetlenecek değişkenin karıştırıcı mı aracı mı olduğu istatistikten değil kuramdan gelir.
• Doğrusallık denetlenmediği için eğrisel etkisi bulunan bir denetim değişkeninin katkısı yalnız kısmen çıkarılır ve artıklarda iz bırakır.

• Pearson KorelasyonuNeden: Denetlenecek bir değişken yoksa ya da önce denetimsiz ilişkiyi betimlemek gerekiyorsa; iki sürekli değişken arasındaki doğrusal birlikteliği verir.
• Doğrusal Regresyon (OLS)Neden: Birim başına değişimi, yani eğim katsayılarını görmek ya da denetim değişkenlerinin kendi katkılarını ayrı ayrı raporlamak gerektiğinde.
• Spearman Sıra KorelasyonuNeden: Değişkenler sıralı düzeydeyse ya da dağılımlar belirgin biçimde çarpıksa; sıralar üzerinden tekdüze ilişkiyi ölçer.
• Aracılık AnaliziNeden: Üçüncü değişken karıştırıcı değil aracıysa, yani ilişkinin üzerinden geçtiği yol olarak kuramsallaştırılıyorsa.

• Pearson Korelasyonu
• Doğrusal Regresyon (OLS)
• Spearman Sıra Korelasyonu

Hangi değişkenleri denetim altına almalıyım?

Bu bir istatistik sorusu değil, kuram sorusudur ve panel bu konuda hiçbir öneri üretmez. Denetim kümesine, ilgilendiğiniz iki değişkenin ikisiyle de ilişkili olduğunu düşündüğünüz ve ikisinden de önce geldiğini kabul ettiğiniz değişkenler girer. İlişkinin üzerinden geçtiği aracı bir değişkeni denetlemek, görmek istediğiniz bağı yapay biçimde silebilir. Katsayıyı büyütecek ya da anlamlı kılacak bileşimi arayarak denetim kümesini belirlemek ise bulguyu güvenilmez kılar; küme önceden kararlaştırılmalı ve raporda eksiksiz yazılmalıdır.

Kısmi katsayı sıfır düzeyli katsayıdan büyük çıktı, bu bir hata mı?

Hata değil ve olağandışı da değil. Denetim değişkeni ilişkiyi bastıran bir rol oynuyorsa, yani iki değişkenle zıt yönlerde ilişkiliyse, onun payı çıkarıldığında geride kalan birliktelik güçlenebilir. Panel iki katsayıyı birlikte raporladığı için bu durumu doğrudan görürsünüz. Böyle bir sonucu açıklarken denetim değişkeninin iki ana değişkenle ilişkilerinin yönünü ayrı korelasyon koşularıyla göstermek yorumu anlaşılır kılar.

Katsayının hesabında neden regresyon kullanılıyor?

Kısmi korelasyon tanımı gereği artıklar üzerinden kurulur: iki değişkenin her biri denetim değişkenlerine en küçük kareler yöntemiyle regres edilir, denetimlerle açıklanabilen kısım böylece çıkarılır ve geriye kalan iki artık kümesi arasındaki Pearson korelasyonu alınır. Bu yol birden fazla denetim değişkenini aynı anda ele almayı da mümkün kılar. Anlamlılık hesaplanırken serbestlik derecesi denetim sayısı kadar düşürülür, çünkü regresyon adımında tüketilen bilgi hesaba katılmalıdır.

Sonuçta serpilme grafiği göremiyorum, neden?

İlişki yöntemleri katsayıyı gösteren korelasyon çubuk grafiği ailesine girer; noktaları gösteren bir serpilme grafiği ise sonuçta serpilme verisi bulunduğunda çizilir. Kısmi korelasyonda karşılaştırılan şey ham değerler değil artıklardır, bu yüzden ham değişkenlerin serpilmesi zaten yanıltıcı olurdu. Doğrusallığı gözle denetlemek istiyorsanız ilgili çiftleri denetimsiz korelasyon koşularında ayrıca incelemek pratik yoldur.

• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics
• Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences
• Howell, D. C. (2013). Statistical Methods for Psychology
• statsmodels.api.OLS belgeleri