Tau Kendall (II)

Ini adalah ukuran ketergantungan nonparametrik yang mengidentifikasi pasangan yang sesuai dan tidak selaras dari dua variabel. Setelah diidentifikasi, total dihitung dan hasil bagi dibuat.

Dengan kata lain, kami menetapkan peringkat untuk pengamatan setiap variabel dan mempelajari hubungan ketergantungan antara dua variabel yang diberikan.

Ada dua cara untuk menghitung Kendall’s Tau; Kami memilih untuk menghitung hubungan ketergantungan setelah pengamatan setiap variabel telah dipesan. Dalam contoh kita, kita akan melihat bahwa kita mengurutkan peringkat di kolom X dalam urutan menaik.

Korelasi terklasifikasi adalah alternatif non-parametrik sebagai ukuran ketergantungan antara dua variabel ketika kita tidak dapat menerapkan koefisien korelasi Pearson.

Ini adalah hasil yang kami rujuk di artikel pertama -> Kendall’s Tau (I):

Resor ski (i)

x

Z

C NC

KE

satu

satu

6

0

B

dua

3

5

0

C

3

4

5

satu

D

4

dua

4

0

DAN

5

7

4

satu

F

6

6

4

satu

G

7

5

43 3 TOTAL
  • Pasangan BC-CB adalah pasangan sumbang. Kami menulis 1 di kolom NC dan membekukan penghitung di posisi terakhir sampai kami menemukan pasangan yang cocok lagi. Dalam hal ini, kami telah membekukan jumlah pasangan yang cocok pada 5 hingga stasiun D. Stasiun D hanya dapat membentuk 4 pasangan yang cocok: AD-DA, DE-ED, DF-FD, DG-GD.

Pasangan sumbang lainnya adalah EF-FE:

  • Pasangan EF-FE adalah pasangan sumbang. Kami menulis 1 di kolom NC dan terus menyeret nomor 4 pasangan konkordant yang dapat dibentuk. Pasangan stasiun E yang cocok adalah: EA-AE, EB-BE, EC-CE, ED-DE karena EF-FE sumbang.
    • Pasangan FG-GF adalah pasangan sumbang. Kami menulis 1 di kolom NC dan terus menyeret nomor 4 pasangan konkordant yang dapat dibentuk. Pasangan konkordan stasiun F s (kami belum memvariasikan bukannya 4. Pasangan konkordan yang dapat kami tunjukkan sebelumnya (kami belum memvariasikan akan menjadi: FA-AF, FB-BF, FC-CF, FD-DF karena FG-GF menggelegar.

Kami menghitung Kendall’s Tau

Kendall’s Tau tidak memiliki rahasia selain menjadi hasil bagi pasangan konkordan dan sumbang dari sampel pengamatan.

Penafsiran

Pertanyaan awal kami adalah: apakah ada hubungan ketergantungan antara preferensi pemain ski lereng dan pemain ski Nordik di resor ski tertentu?

Dalam hal ini, kita memiliki ketergantungan antara dua variabel sebesar 0,8695. Sebuah hasil yang sangat dekat dengan batas atas. Hasil ini memberi tahu kita bahwa pemain ski alpine (X) dan pemain ski Nordik (Z) telah mengklasifikasikan resor dengan klasifikasi serupa.

Tanpa harus melakukan perhitungan apa pun, kita dapat melihat bahwa stasiun pertama (A, B, C) menerima skor terbaik dari kedua grup. Dengan kata lain, peringkat pemain ski mengikuti arah yang sama.

Perbandingan: Pearson vs Kendall

Jika kita menghitung koefisien korelasi Pearson dari pengamatan sebelumnya dan membandingkannya dengan Kendall’s Tau, kita memperoleh:

Dalam hal ini, Kendall’s Tau menunjukkan bahwa ada hubungan ketergantungan yang lebih kuat antara variabel X dan Z dibandingkan dengan koefisien korelasi Pearson: 0,8695> 0,75.

Jika outlier memiliki banyak pengaruh pada hasil, kita akan menemukan perbedaan besar antara Pearson dan Spearman dan, oleh karena itu, kita harus menggunakan Spearman sebagai ukuran ketergantungan.

Was this helpful?

0 / 0

Leave a Reply 0

Your email address will not be published. Required fields are marked *