Tajuk 528: Coefficient correlation (r), r squared, coefficient B dan Barcelona – jgn ko confused !

Aku baru balik dari conference terus berehat di Hotel Operaramblas Barcelona…. Aku kekadang spt tidak percaya.. sebagai anak buruh penoreh getah....aku menyangka hanya akan bermimpi utk ke luar negara apatah lagi nak naik kapalterbang....sebab sepanjang membesar.... aku hanya jalan kaki.... naik bas ...sekali sekala naik keretapi....

Aku, lensa dan Barca !!

Sekarang amacam?

Aku kehabisan kata2, Allah memberi lebih dari yang aku impikan, sehingga hampir setiap bulan aku naik kapalterbang.... merentasi semua lautan...malah aku pergi Barca ni pun macam pergi pasar !

Apsal macam gi pasar?

Ialah...kalau dulu nak gi obersi, jenuh ke sana kesini dulu...sekarang lain...semua urusan berlaku dgn pantas secara online. Kalau dulu…. nak booking hotel jenuh main telefon…. tapi sekarang buka jer booking.com atau AGODA.com… terus menggoda utk pilih mana hotel yang ko suka…dimana sahaja atas muka bumi ini…. tanpa ko perlu minta nasihat atau tanya sesapa…. semua….beres dalam bbrp minit !!

Aku setuju.... era hyper connected ni semua berubah dgn pantas dan mengalami revolusi !

Bukan sahaja era hyper connected ni revolusi berlaku dalam semua urusan...… peranan SV perlu di revolusi kan..

Maksud ko?

SV tak boleh lagi menjadikan hubungan I-YOU dgn sikap "Aku sahaja yang expert " tetapi sebaliknya perlu memainkan peranan lebih dominan, menyediakan diri untuk “How can I help U in your research” dalam supportive dan fearless environment. 

Omputik kata "SV should play a more dominant role at the early stage of the supervisee’s candidacy to get things started...." bukan tunggu sampai supervisee sesat barat baru nak jegilkan bijik mata kata itu salah ini tak betul... kenapa tak buat cenggini.... dan cenggitu !

Dulupun masa tengah belajar....aku pun ada terdengar adalah satu dua SV jawab dgn gaya retro dan wajah kacang lupakan kulit dgn sedikit bongkak.... “This is your research…you need to do it yourself” atau “Why should I feel responsible to your research?” "During my time... I did everything on my own..." atau perkataan lain yang semaksudnya dengannya wpun masa dia belajar dulupun .....dia pun sama merayu2 pada SV supaya berikan guidance ....!! 

Takkanlah asyik nak kena tolong dan spoon feed?

Takkan tak tahu bezakan guidance dgn spoon feed....percayalah... supervisee pun tak mahu di suapkan.... tapi mereka perlukan guidance.... dan jgnlah ada pula SV yang SOMBONG sebab SV pun bukan tahu SEMUA dan supervisee pulak bukan tak tahu APA-APA. SV dgn pengalaman yang ada dapat membantu memudahkan perjalanan supervisee..... bukan memberikan lagi tekanan sehingga  supervisee takut dan pucat lesi untuk berjumpa SV....

Ada ke kaitan semua ini dengan coefficient?

Kaitannya?.... Mestilah ada..... jika "penghasilan tesis" dan "usaha supervisee" dijadikan satu formula.... maka "SV" akan jadi coefficientnya! Jika coefficient tu positif dan nilainya besar....maka kuatlah ramalan dalam "penghasilan tesis"... tapi jika negative... wpun nilainya kecik....naya bro !!

Abis yang r, r squared dan beta tu amende?

Tu aku nak bagi tahu, sebab ramai yang keliru antara r, R, r squared, B dan beta dalam correlation dan regression....

Aah...aku pun confused jugak...

Ko tu semua confused..... aku agak fius ko dah terbakar.... cam nilah....bila ko nak tahu perkaitan antara 2 variable katakan hubungan antara skor maths dan  motivasi, ko gunakan Pearson Product-Moment Correlation Coefficient atau r atau ada pulak yang tulis R (saja nak peningkan pembaca)….samalah lah tu.  Nilai r ini hanyalah nilai kekuatan perkaitan dan tak menunjukkan hubungan cause-effect sebab ko tak tahu variable mana yang mempengaruhi variable yang satu lagi.

Jika ko nak buat ramalan hubungan antara kedua variable.... ko guna linear regression.... spt meramalkan skor maths berdasarkan skor motivasi, ko ambil pulak nilai r squared  (juga dipanggil coefficient of determination) iaitu nilai perubahan skor maths yang boleh dijelaskan oleh perubahan skor motivasi.

Bagilah contoh...

Sebagai contoh…. jika coefficience correlation, r antara skor maths dan skor motivasi adalah .71 maka selepas ko jalankan regression pulak, nilai r squared menjadi .50 atau 50%. Inibermakna 50% sahaja dari perubahan skor dapat dijelaskan oleh perubahan pada skor motivasi atau sebaliknya. Ini juga membawa makna 50% lagi perubahan dalam skor maths dijelaskan oleh variable yang tiada dalam kajian. Tapi jika ko ada lebih dari satu variable ....maka perubahan ini adalah perubahan  yang mengambilkira semua variable... ko kena run multiple regression...

Jadi r pada output correlation hanya jelaskan perkaitan, manakala r squared meramalkan berapa banyak perubahan satu variable atau DV dijelaskan oleh variable lain atau IV. 

Contoh ringkasan output SPSS bagi multiple regression (hanya nilai yang penting sahaja aku masukkan dalam jadual berikut) dgn contoh katakan ko ingin meramalkan perubahan UMUR, MOTIVASI dan SIKAP terhadap perubahan IQ.

Correlations

		IQ	UMUR	MOTIVASI	SIKAP
Pearson correlation, r	IQ	1.000	-.321	.278	-.028

Hubungan yang kuat adalah antara IQ dan UMUR dengan r=-.321, diikuti dengan MOTIVASI (r=.278) dan SIKAP (r=.028)

Model summary

Model	R	R square	Adjusted R Square
	.525	.276	.219

27.6 % perubahan pada IQ dijelaskan oleh UMUR, MOTIVASI dan SIKAP

Coefficients (nilai lain sengaja tak ditulis)

Model	Unstandardised coefficient		Standardised coefficient	t	sig
	B	Std. error	Beta
Constant	3.347
UMUR	-.081
MOTIVASI	.363
SIKAP	-.004

SPSS run utk IV atau predictor menggunakan data raw tanpa standardizedkan skala predictor2 tersebut, maka coefficient Beta, bagi unstandardized IV di tulis sebagai B sahaja buka Beta. Nilai inilah yang selalunya dirujuk. 

[Standardized coefficient pula di run oleh SPSS dengan mengabaikan skala semua IV.... utk standardized..... maka mudah nak bandingkan dgn nilai standardized Beta dari kajian lain tersebut.  Nilai standardized Beta ini dirujuk sebagai hasil kajian untuk dibandingkan dgn nilai standardized Beta kajian lain yang menggunakan IV yang sama / hampir sama]

Jadi unstandardized coefficient, B sering dirujuk sebagai hasil kajian dan menjadikan model hubungan antara peramal (predictor @ IV) dgn output variable (DV) diberi oleh persamaan berikut:

IQ = 3.347 + (-0.081)(UMUR) + (0.363)(MOTIVASI) +(-0.004)(SIKAP)

Ko boleh baca seperti ....MOTIVASI memberikan ramalan paling besar kesannya (36.3%) kepada kepada IQ diikuti dengan UMUR dan SIKAP yang kedua2nya memberikan kesan negative atau reverse.

OT
Barcelona