.

"ANTARA BLOG TERBAIK DI NATIONAL EDUCATIONAL BLOGGING SUMMIT 2011"


MORE THAN A MILLION HITS !

Statistik

SPSS - STATISTIK PENYELIDIKAN SECARA SANTAI

BENGKEL ANJURAN DR OT:

(1) TULIS TESIS CEPAT & PENGURUSAN ARTIKEL MENDELEY

(2) PENGENALAN ANALISIS DATA KUANTITATIF SPSS

(3) ANALISIS DATA KUALITATIF DGN ATLAS.ti

(4) BENGKEL BINA DAN ANALISIS SOAL SELIDIK

Ingin anjur bengkel ditempat anda? Email ke:

zahinothman@gmail.com



-------------------------------------------------------------------------------------------------------------------------------------------------------

Sila joint dan sign-in. Anda FOLLOWER kehormat drotspss...

Saya klik Follow dan BANGGA menjadi follower drotspss...

Monday, January 5, 2015

Tajuk 703: Correlation - RQ favorite social science !

Fakulti aku baru selesai seminar / presentation project..... fuhh.... RQ correlation spt satu yang wajib. Ini sedikit respon aku kepada semua yang guna correlation:

Pertama:
Secara umum, coefficient correlation adalah purata bagi hasil darab perbezaan antara individual skor X dan individual skor Y dgn min masing2 (variance) lalu memberikan satu nilai hubungan antara X dan Y (sila lihat sendiri persamaan tersebut dalam buku). Jika hasil darab variance X dan Y ini adalah positif, maka coefficient, r adalah positif dan seterusnya.

Kedua:
Jika coefficient correlation antara X dan Y adalah r = 0.5, maka X menjelaskan (explained) sebanyak r2 = 0.25 (atau 25%) dari variance pada Y. Elakkan mengguna perkataan X mempengaruhi Y atau X memberi kesan kepada Y. Guna perkataan X mempunyai hubungan atau perkaitan dengan Y.

Ketiga:
Wpun X dan Y mempunyai r yang tinggi, tidak bermakna X mempengaruhi / memberi kesan kepada Y. Ini hanya berlaku dalam experiment sains bila X di manipulasi sambil variable lain dikawal sehingga menyebabkan perubahan pada Y.

Keempat:
Hubungan antara X dan Y mestilah linear. Ini bermakna coefficient correlation tidak dapat menjelaskan jika X berkait secara positive dgn Y pada peringkat awal kemudian berkurang dan akhirnya berkait secara negative. Contohnya motivasi belajar guna ICT yang mulanya meningkat dan kemudian turun.



Kelima:
Correlation juga tidak sesuai jika julat skor X dan Y sangat kecil. Contohnya X = CGPA (1 – 4) dengan Y = Tahap kemahiran (1 – 5) kerana sudah pasti variance kedua2 X dan Y juga kecil lalu menghasilkan coefficient correlation yang kecil sedangkan kedua2 variable X dan Y pada prinsipnya mempunyai hubungan yang kuat.

OT

No comments:

Post a Comment

Related Posts Plugin for WordPress, Blogger...