Corrélation pour les données binaires dans différentes colonnesSalut
J'ai donc un très grand ensemble de données rempli de 1 et de 0 pour chaque colonne. J'essaie de voir s'il existe une corrélation entre certaines des colonnes particulières.
J'essaie de corréler les données à l'intérieur d'une zone par rapport à l'extérieur de la zone pour voir s'il existe des différences significatives entre les personnes à l'intérieur et à l'extérieur de ces zones. Et je le fais pour de nombreux domaines différents. C'est une enquête avec des réponses oui et non, donc les colonnes ressembleraient à ceci avec "non" comme 0 et "oui" comme 1.
Espace intérieur Espace extérieur
0 0
0 0
0 1
0 1
1 1
1 1
1 1
etc.
Je ne sais pas comment m'y prendre. J'ai essayé l'option "Fit Y by X" avec la colonne 1 comme Y, Response et la colonne 2 comme X, Factor mais le résultat ne semble pas vraiment correct.
Quelqu'un peut-il aider avec ça?
Merci
Re : Corrélation pour les données binaires dans différentes colonnesOui, j'ai essayé d'utiliser la méthode sur quelques zones différentes et ça a l'air bien !
Je regardais le nombre de 1 et il y en a 44 dans le groupe témoin et 66 dans le test, donc je m'attendais juste à ce qu'il y ait une différence plus grande que 22 pour qu'elle soit significative. Mais comme vous le mentionnez, il faudrait également tenir compte du fait qu'il existe une différence dans la taille totale de l'échantillon entre les deux groupes, donc je peux le voir maintenant. La valeur p de 0,0001 m'a un peu déconcerté, car je ne m'attendais pas à ce qu'elle soit aussi basse.
Mais merci beaucoup, Dan! Vous avez été extrêmement utile et je l'apprécie sincèrement!
Re : Corrélation pour les données binaires dans différentes colonnesEn fait, sur la base de vos données dans l'image, je m'attendrais à avoir une faible valeur p. La faible valeur de p indique que la proportion de 1 n'est pas la même pour les deux groupes. Le groupe contrôle a 27,85% de 1s. L'autre groupe a 51,97% 1s. C'est une différence assez importante à mon avis (une augmentation de près de 25 points de pourcentage). Surtout avec des tailles d'échantillons comprises entre 125 et 160. Cette grande différence n'est probablement pas due au hasard.
Regardez le tracé en mosaïque. La barre bleue représente la réponse de 1, et elle est beaucoup plus grande pour un groupe. Juste par curiosité, quelle différence pensez-vous avoir besoin de voir pour qu'elle soit déclarée statistiquement significative ?
Re : Corrélation pour les données binaires dans différentes colonnesD'accord, j'ai donc fait ce que vous avez expliqué ici et voici ce que j'obtiens:
Toutes les données sont maintenant incluses, ce qui est formidable, mais je pense toujours que la valeur P semble très suspecte ? Si c'est le cas, il n'est pas nécessaire qu'il y ait beaucoup de différence entre les zones pour que la valeur p soit très significative.
Que pensez-vous de ceci?
Re : Corrélation pour les données binaires dans différentes colonnesVos données comportent de nombreuses questions que vous voudrez peut-être poser, mais pour comparer la proportion de "1" de la "zone intérieure" à la proportion de "1" de la "zone extérieure", procédez comme suit :
Empilez les colonnes Zone intérieure et Zone extérieure à l'aide de Tableau > Empiler. Appelons cette colonne Response qui sera remplie de 1 et de 0. Vous obtiendrez également une colonne Label. Permettez-moi d'appeler cette zone. Cela aura les noms de variables de colonne d'origine, mais je vais simplement raccourcir en "Zone intérieure" et "Zone extérieure". Notez que cet empilement met les données sous une forme prête pour l'analyse : chaque colonne est une variable unique, chaque ligne est une observation. Le nombre de lignes du tableau de données sera le nombre de personnes qui ont répondu. La colonne Réponse contient toutes les données sur la question que vous avez posée.
La colonne Area et la colonne Response doivent avoir le type de modélisation nominal. Maintenant, vous allez toujours à Fit Y by X. La colonne Response est le Y, la colonne Area est le X.
Pour cet exemple, vous obtenez une table 2x2. Je regarderais ensuite le test exact de Fisher, à 2 queues. Ce test a l'hypothèse nulle que la proportion de 1 est la même dans toute la zone. Une petite valeur de p rejetterait cette hypothèse nulle et serait une indication que la proportion de 1 est différente entre les deux zones.
Re : Corrélation pour les données binaires dans différentes colonnesOk, donc oui, ce sont deux échantillons indépendants. Je peux essayer d'expliquer brièvement de quoi il s'agit.
Les "zones" que je mentionne sont des zones protégées en Tanzanie avec des villages à l'intérieur. L'objectif est de comparer les réponses des villageois à l'intérieur de chacune de ces zones avec les réponses des villageois vivant immédiatement à l'extérieur de ces aires protégées. Cela signifie que les personnes qui donnent des réponses dans la colonne 1 (à l'intérieur) sont différentes des personnes qui donnent des réponses dans la colonne 2 (à l'extérieur). Cela explique également pourquoi il y a plus d'observations dans une colonne que dans l'autre, car il y a un nombre différent de personnes dans chaque village.
J'espère que cela a du sens. Si ce n'est pas le cas, faites-le moi savoir et j'essaierai à nouveau.
Merci
Re : Corrélation pour les données binaires dans différentes colonnesVotre question complémentaire m'inquiète.
Pour les corrélations (ou la statistique d'accord), vous avez des observations qui correspondent. Je pensais que la mesure intérieure pour la ligne numéro 1 de votre ensemble de données était pour la personne n° 1 (j'utiliserai le nom "Fred"). "Fred" a également fourni la valeur de la ligne numéro 1 pour votre mesure extérieure. Une façon de penser à cela est la suivante : pourrais-je réorganiser toutes les valeurs dans une colonne et avoir toujours un sens pour les données ? Si la réponse est que la réorganisation d'une colonne détruirait la validité de l'ensemble de données, alors les colonnes sont mises en correspondance. Si la réponse est que la réorganisation est bonne, alors les données ne correspondent pas et vous avez deux échantillons indépendants.
Si vos échantillons SONT appariés, alors comment vous êtes-vous retrouvé avec plus d'observations pour une colonne que pour l'autre ?
Si les échantillons ne correspondent PAS, alors les conseils d'analyse qui vous ont été donnés jusqu'à présent ne sont pas corrects. Vous cherchez à voir si les deux échantillons indépendants sont différents l'un de l'autre. Vous devrez restructurer votre tableau de données pour effectuer cette analyse, qui équivaudra à un test de proportion à deux échantillons qui répond à la question : la proportion de 1 pour la population 1 est-elle différente de la proportion de 1 pour la population 2 ?
Répondez si vous avez vraiment les informations sur les deux échantillons indépendants. Si vous le faites, les détails peuvent être donnés sur la façon de structurer vos données et d'obtenir ce test.
Re : Corrélation pour les données binaires dans différentes colonnesJe vais réessayer avec les captures d'écran ! Voici:
Re : Corrélation pour les données binaires dans différentes colonnesMerci les gars d'avoir répondu à la question!
J'ai donc fait le Fit Y by X et j'ai regardé la statistique d'accord et ça ressemble à ça :
Je pense qu'il y a un problème avec le nombre total de réponses. Dans la colonne 1, il y a 127 réponses (0 et 1) et dans la colonne 2, il y a 158 réponses. Cependant, lors de l'analyse ci-dessus, il ne compare que 127 au total, comme on peut le voir sur la capture d'écran. Existe-t-il un moyen de contourner cela, car je ne vois pas vraiment s'il y a des informations pertinentes à obtenir à partir de cela tel qu'il est actuellement (les valeurs P semblent un peu suspectes).
J'apprécie vraiment l'aide!
Re : Corrélation pour les données binaires dans différentes colonnesJe suis d'accord avec Dan l'analyse Fit Y by X Contingency avec le diagramme Mosaic et la statistique Kappa fournissent plus d'informations. Il est particulièrement utile pour plus de 2 niveaux et fournit des statistiques supplémentaires.
Pour votre information, si les deux colonnes de 0 et de 1 sont continues, utilisez la plate-forme multivariée et sélectionnez l'IC de corrélation. Il s'agit de la statistique Kappa pour ce cas simple à 2 niveaux.Espérons que cela donne un aperçu de la statistique Kappa.
Multivariate Platform, Continuous Modeling TypeMultivariate Platform, Continuous Modeling TypePlate-forme multivariée, type de modélisation continue
Fit Y by X Platform, Nominal Modeling TypeFit Y by X Platform, Nominal Modeling TypeFit Y by X Platform, type de modélisation nominal
Re : Corrélation pour les données binaires dans différentes colonnesLa corrélation mesure le degré d'association linéaire entre deux variables continues.
Étant donné que les valeurs ne sont que 0 et 1, je recommanderais d'utiliser le type de modélisation nominal pour ces colonnes plutôt que continu. Vous pouvez toujours utiliser Fit Y by X. Le tracé en mosaïque donnera un bon graphique illustrant la relation entre l'intérieur et l'extérieur. J'utiliserais alors la "statistique d'accord" qui mesure le degré d'accord entre l'intérieur et l'extérieur. Ceci est similaire à un coefficient de corrélation, mais s'applique aux données catégorielles. Vous aurez également un test pour l'hypothèse nulle de kappa=0.
