Jawaban sebelumnya di situs ini:
Pertanyaan terkait telah ditanyakan beberapa kali di situs ini. Periksa
Timbangan terhadap item:
Dari pengalaman saya, ada perbedaan antara menjalankan analisis pada item likert dibandingkan dengan skala likert. Skala likert adalah jumlah dari banyak item. Setelah menjumlahkan banyak item, skala likert memperoleh nilai yang lebih mungkin, skala yang dihasilkan kurang kental. Sisik semacam itu sering memiliki jumlah poin yang cukup sehingga banyak peneliti siap untuk memperlakukannya sebagai kontinu. Tentu saja, beberapa akan berpendapat bahwa ini agak angkuh, dan banyak yang telah ditulis dalam psikometrik tentang cara terbaik untuk mengukur konstruksi psikologis dan terkait.
Praktik standar dalam ilmu sosial:
Dari pengamatan kasual saya dari membaca artikel jurnal psikologi, mayoritas hubungan bivariat antara skala likert banyak item dianalisis menggunakan koefisien korelasi Pearson. Di sini, saya berpikir tentang skala seperti kepribadian, kecerdasan, sikap, kesejahteraan, dan sebagainya. Jika Anda memiliki skala seperti ini, ada baiknya mempertimbangkan bahwa hasil Anda akan dibandingkan dengan hasil sebelumnya di mana Pearson mungkin menjadi pilihan dominan.
Bandingkan metode:
Merupakan latihan yang menarik untuk membandingkan Pearson dengan Spearman (dan mungkin bahkan Kendall's tau). Namun, Anda masih memiliki keputusan tentang statistik mana yang akan digunakan, dan ini pada akhirnya tergantung pada definisi apa yang Anda miliki tentang asosiasi bivariat.
Heteroskedastisitas
Koefisien korelasi adalah ringkasan akurat dari hubungan linear antara dua variabel bahkan tanpa adanya Homoscedasticity (atau mungkin kita harus mengatakan normalitas bivariat mengingat bahwa kedua variabel tersebut bukan variabel dependen).
Nonlinier
Jika ada hubungan non-linear antara dua variabel Anda, ini menarik. Namun, kedua variabel masih bisa diperlakukan sebagai variabel kontinu, dan dengan demikian, Anda masih bisa menggunakan Pearson's. Misalnya, usia sering memiliki hubungan terbalik-U dengan variabel lain seperti pendapatan, namun usia masih merupakan variabel kontinu.
Saya menyarankan agar Anda menghasilkan sebaran plot dan cocok beberapa cocok smoothed (seperti spline atau LOESS) untuk mengeksplorasi hubungan non-linear. Jika hubungan tersebut benar-benar non-linear maka korelasi linier bukanlah pilihan terbaik untuk menggambarkan hubungan seperti itu. Anda mungkin ingin menjelajahi regresi polinomial atau nonlinier.
Anda hampir pasti harus pergi untuk Spearman rho atau tau Kendall. Seringkali, jika datanya non-normal tetapi variansnya sama, Anda bisa menggunakan Pearson r karena tidak membuat perbedaan yang sangat besar. Jika variansnya berbeda secara signifikan, maka Anda memerlukan metode non parametrik.
Anda mungkin bisa mengutip hampir semua buku teks statistik pengantar untuk mendukung penggunaan Spearman's Rho.
Pembaruan: jika asumsi linearitas dilanggar, maka Anda tidak boleh menggunakan koefisien korelasi Pearson pada data Anda, karena asumsi mengasumsikan hubungan linier. Spearman's Rho dapat diterima tanpa linearitas dan dimaksudkan untuk hubungan monotonik yang lebih umum antara variabel. Jika Anda ingin menggunakan koefisien korelasi Pearson, Anda bisa melihat log mentransformasikan data Anda karena ini mungkin berhubungan dengan non-linearitas.
sumber
satu hal yang cukup yakin bahwa korelasi membutuhkan linearitas dalam hubungan secara umum. sekarang Anda mengatakan data Anda agak berbentuk kurva, sehingga regresi nonlinier tampaknya menjadi pilihan kiri
sumber