Rechner für punktbiseriale Korrelation

Die punktbiseriale Korrelation misst Stärke und Richtung des Zusammenhangs zwischen einer tatsächlich dichotomen und einer stetigen Variablen. Die binäre Variable hat zwei mit null und eins codierte Kategorien; die stetige Variable enthält einen numerischen Messwert für dieselben Beobachtungen. Typische Beispiele sind Bestehen oder Nichtbestehen mit Lernzeit, Behandlung oder Kontrolle mit einem Ergebniswert sowie Kauf oder Nichtkauf mit Kundenalter. Der Koeffizient wird üblicherweise rpb genannt und liegt zwischen -1 und 1. Die Berechnung vergleicht den Mittelwert der stetigen Werte in der Eins-Gruppe mit dem der Null-Gruppe. Ihre Differenz wird durch die Populationsstandardabweichung aller stetigen Werte geteilt und mit der Quadratwurzel aus p mal q multipliziert. Dabei ist p der Anteil der Einsen und q der Anteil der Nullen. Diese Anpassung berücksichtigt die relativen Gruppengrößen. Ein positiver Koeffizient bedeutet einen höheren Mittelwert in der Eins-Gruppe, ein negativer einen höheren Mittelwert in der Null-Gruppe. Das Vorzeichen hängt vollständig von der Codierung ab. Werden alle Nullen und Einsen vertauscht, bleibt der Betrag gleich, aber das Vorzeichen kehrt sich um. Deshalb sollte jeder Bericht die Codes erklären. Der Betrag wird wie bei einer Pearson-Korrelation interpretiert: Werte nahe null zeigen einen schwachen linearen Zusammenhang zwischen Gruppenzugehörigkeit und stetigem Ergebnis; Werte nahe den Extremen zeigen eine stärkere Trennung. Der Kontext ist wichtig, und allgemeine Grenzen wie klein, mittel oder groß sind vorsichtig zu verwenden. Bei einer mit null und eins codierten dichotomen Variablen ist die punktbiseriale Korrelation mathematisch gleich der Pearson-Korrelation. Sie ist außerdem eng mit dem t-Test für unabhängige Stichproben verbunden. Beide untersuchen die Trennung zweier Gruppenmittelwerte, stellen den Effekt aber unterschiedlich dar. Der Korrelationskoeffizient ist eine standardisierte Effektstärke; der t-Test verbindet Effekt und Stichprobenunsicherheit zur Prüfung einer Nullhypothese. Dieser Rechner liefert den Koeffizienten und Gruppendetails, keinen p-Wert und kein Konfidenzintervall. Die gepaarten Listen müssen gleich viele Beobachtungen enthalten und passend geordnet bleiben. Der erste Binärcode gehört zum ersten stetigen Wert, der zweite zum zweiten und so weiter. Beide Gruppen müssen vorkommen und die stetigen Werte müssen streuen, sonst ist die Korrelation nicht definiert. Fehlende Werte sollten als vollständige Paare entfernt werden, nicht nur aus einer Liste. Getrenntes Löschen würde die Zuordnung verschieben und ein bedeutungsloses Ergebnis liefern. Die Interpretation setzt auch eine solide Datenerhebung voraus. Ein hoher Koeffizient beweist nicht, dass die Gruppenzugehörigkeit den Zahlenunterschied verursacht; Störvariablen können den beobachteten Zusammenhang erklären. Ausreißer beeinflussen Mittelwerte und Standardabweichung stark. Prüfen Sie Verteilungen, Stichprobengrößen und ungewöhnliche Messwerte vor Schlussfolgerungen. Bei einer künstlich dichotomisierten stetigen Variablen können eine biseriale Korrelation oder ein Modell mit dem ursprünglichen stetigen Prädiktor geeigneter sein, da die Aufteilung eines natürlichen Kontinuums Information verliert.