יחידה 5 - מדדי קשר
🔗 יחידה 5: מדדי קשר
בפרק זה נלמד למדוד את עוצמת הקשר בין שני משתנים. נכיר מדדים שונים לסוגי משתנים שונים: למדה וקרמר למשתנים שמיים, ספירמן למשתנים סידוריים, ופירסון למשתנים רווחיים/מנתיים. נלמד גם על קו הניבויים (רגרסיה) וחיזוי.
📚 תוכן הפרק
חלק א': מדדי קשר למשתנים שמיים
- מדד למדה (λ) - מבוסס על צמצום שגיאות ניבוי
- מדד קרמר (V) - מבוסס על χ² (כי-בריבוע)
- מדד פי (φ) - מקרה פרטי לטבלת 2×2
- בניית טבלת שכיחויות דו-ממדית
חלק ב': מדד ספירמן למשתנים סידוריים
- מהו קשר מונוטוני
- נוסחת ספירמן: rₛ = 1 − 6Σd²/(n(n²−1))
- חישוב דירוגים וטיפול בדירוגים שווים
- פרשנות הערכים
חלק ג': מקדם המתאם של פירסון
- דיאגרמת פיזור - סוג קשר, עוצמה וכיוון
- שונות משותפת (Covariance): sₓᵧ
- נוסחת פירסון: r = sₓᵧ / (sₓ·sᵧ)
- פרשנות r: תחום, כיוון ועוצמה
חלק ד': רגרסיה וקו הניבויים
- משוואת קו הניבויים: ŷ = a + bx
- חישוב שיפוע (b) וחותך (a)
- מקדם הקביעה: R² = r²
- שונות הניבויים ושונות הטעויות
- חיזוי ערכי Y לפי X
🎯 מה תלמדו בפרק זה?
- לבחור את המדד המתאים לפי סוג המשתנים
- לחשב מדדי קשר שונים: למדה, קרמר, ספירמן, פירסון
- לפרש את עוצמת וכיוון הקשר
- לבנות משוואת רגרסיה ולבצע ניבויים
- להבדיל בין קורלציה לסיבתיות
📝 מבנה הלמידה המומלץ
| שלב | תוכן | זמן משוער |
|---|---|---|
| 1 | מדדי קשר למשתנים שמיים (למדה, קרמר, פי) | ~60 דק' |
| 2 | מדד ספירמן למשתנים סידוריים | ~45 דק' |
| 3 | פירסון - בסיס + שונות משותפת | ~60 דק' |
| 4 | רגרסיה + קו ניבויים + R² | ~75 דק' |
| 5 | תרגול מסכם + מבחן מקיף | ~60 דק' |
📐 נוסחאות חשובות
למדה: λ = (E₁ − E₂) / E₁
קרמר: V = √(χ² / (n·(k−1)))
ספירמן: rₛ = 1 − 6Σd² / (n(n²−1))
פירסון: r = sₓᵧ / (sₓ·sᵧ)
שיפוע: b = r · (sᵧ/sₓ)
חותך: a = ȳ − b·x̄
מקדם קביעה: R² = r²
💡 טיפים להצלחה
- קודם כל זהו את סוג המשתנים (שמיים/סידוריים/רווחיים)
- זכרו: קורלציה ≠ סיבתיות!
- r ו-b תמיד באותו סימן
- R² = r² מייצג את אחוז השונות המוסברת
- ציירו דיאגרמת פיזור לפני חישוב
📊 בחירת המדד הנכון
| סוג משתנים | מדד מתאים |
|---|---|
| שמיים (קטגוריאליים) | למדה (λ), קרמר (V), פי (φ) |
| סידוריים | ספירמן (rₛ) |
| רווחיים / מנתיים | פירסון (r) |
מילות מפתח: מדדי קשר, קורלציה, מתאם, correlation, למדה, Lambda, קרמר, Cramer, פי, Phi, ספירמן, Spearman, פירסון, Pearson, רגרסיה, regression, קו ניבויים, שונות משותפת, covariance, מקדם קביעה, R², שיפוע, חותך, דיאגרמת פיזור, scatter plot, משתנים שמיים, משתנים סידוריים, משתנים רווחיים, קשר ליניארי, קשר מונוטוני, סטטיסטיקה א, 30111, האוניברסיטה הפתוחה
מהו קשר סטטיסטי?
מדדי קשר למשתנים שמיים: למדה וקרמר (+מקרה פרטי מדד פי).
מדדי קשר בין שני משתנים סידוריים - ספירמן
מדדי קשר למשתנים רווחיים או מנתים - מדד לקשר לא קווי (אתה), מדדל לקשר קווי (פירסון)
דף תוכן:
דף תוכן:
🔗 יחידה 5: מדדי קשר
בפרק זה נלמד למדוד את עוצמת הקשר בין שני משתנים. נכיר מדדים שונים לסוגי משתנים שונים: למדה וקרמר למשתנים שמיים, ספירמן למשתנים סידוריים, ופירסון למשתנים רווחיים/מנתיים. נלמד גם על קו הניבויים (רגרסיה) וחיזוי.
📚 תוכן הפרק
חלק א': מדדי קשר למשתנים שמיים
- מדד למדה (λ) - מבוסס על צמצום שגיאות ניבוי
- מדד קרמר (V) - מבוסס על χ² (כי-בריבוע)
- מדד פי (φ) - מקרה פרטי לטבלת 2×2
- בניית טבלת שכיחויות דו-ממדית
חלק ב': מדד ספירמן למשתנים סידוריים
- מהו קשר מונוטוני
- נוסחת ספירמן: rₛ = 1 − 6Σd²/(n(n²−1))
- חישוב דירוגים וטיפול בדירוגים שווים
- פרשנות הערכים
חלק ג': מקדם המתאם של פירסון
- דיאגרמת פיזור - סוג קשר, עוצמה וכיוון
- שונות משותפת (Covariance): sₓᵧ
- נוסחת פירסון: r = sₓᵧ / (sₓ·sᵧ)
- פרשנות r: תחום, כיוון ועוצמה
חלק ד': רגרסיה וקו הניבויים
- משוואת קו הניבויים: ŷ = a + bx
- חישוב שיפוע (b) וחותך (a)
- מקדם הקביעה: R² = r²
- שונות הניבויים ושונות הטעויות
- חיזוי ערכי Y לפי X
🎯 מה תלמדו בפרק זה?
- לבחור את המדד המתאים לפי סוג המשתנים
- לחשב מדדי קשר שונים: למדה, קרמר, ספירמן, פירסון
- לפרש את עוצמת וכיוון הקשר
- לבנות משוואת רגרסיה ולבצע ניבויים
- להבדיל בין קורלציה לסיבתיות
📝 מבנה הלמידה המומלץ
| שלב | תוכן | זמן משוער |
|---|---|---|
| 1 | מדדי קשר למשתנים שמיים (למדה, קרמר, פי) | ~60 דק' |
| 2 | מדד ספירמן למשתנים סידוריים | ~45 דק' |
| 3 | פירסון - בסיס + שונות משותפת | ~60 דק' |
| 4 | רגרסיה + קו ניבויים + R² | ~75 דק' |
| 5 | תרגול מסכם + מבחן מקיף | ~60 דק' |
📐 נוסחאות חשובות
למדה: λ = (E₁ − E₂) / E₁
קרמר: V = √(χ² / (n·(k−1)))
ספירמן: rₛ = 1 − 6Σd² / (n(n²−1))
פירסון: r = sₓᵧ / (sₓ·sᵧ)
שיפוע: b = r · (sᵧ/sₓ)
חותך: a = ȳ − b·x̄
מקדם קביעה: R² = r²
💡 טיפים להצלחה
- קודם כל זהו את סוג המשתנים (שמיים/סידוריים/רווחיים)
- זכרו: קורלציה ≠ סיבתיות!
- r ו-b תמיד באותו סימן
- R² = r² מייצג את אחוז השונות המוסברת
- ציירו דיאגרמת פיזור לפני חישוב
📊 בחירת המדד הנכון
| סוג משתנים | מדד מתאים |
|---|---|
| שמיים (קטגוריאליים) | למדה (λ), קרמר (V), פי (φ) |
| סידוריים | ספירמן (rₛ) |
| רווחיים / מנתיים | פירסון (r) |
מילות מפתח: מדדי קשר, קורלציה, מתאם, correlation, למדה, Lambda, קרמר, Cramer, פי, Phi, ספירמן, Spearman, פירסון, Pearson, רגרסיה, regression, קו ניבויים, שונות משותפת, covariance, מקדם קביעה, R², שיפוע, חותך, דיאגרמת פיזור, scatter plot, משתנים שמיים, משתנים סידוריים, משתנים רווחיים, קשר ליניארי, קשר מונוטוני, סטטיסטיקה א, 30111, האוניברסיטה הפתוחה
מהו קשר סטטיסטי?
מדדי קשר למשתנים שמיים: למדה וקרמר (+מקרה פרטי מדד פי).
מדדי קשר בין שני משתנים סידוריים - ספירמן
מדדי קשר למשתנים רווחיים או מנתים - מדד לקשר לא קווי (אתה), מדדל לקשר קווי (פירסון)