آزمون همبستگی پیرسون چیست؟

در بسیاری از تحقیقات علمی، پژوهشگر فقط به دنبال مقایسه گروه‌ها نیست، بلکه می‌خواهد بداند آیا بین متغیرهای مختلف ارتباطی وجود دارد یا خیر. برای مثال:

• آیا افزایش کیفیت خدمات باعث افزایش رضایت مشتری می‌شود؟
• آیا بین میزان مطالعه و نمرات دانشجویان رابطه وجود دارد؟
• آیا افزایش تجربه کاری با افزایش عملکرد کارکنان ارتباط دارد؟

برای پاسخ به چنین سوال‌هایی از آزمون‌های همبستگی استفاده می‌شود. یکی از رایج‌ترین روش‌ها برای بررسی رابطه بین متغیرهای کمی، آزمون همبستگی پیرسون یا Pearson Correlation است.

اما آزمون همبستگی پیرسون چیست؟

آزمون همبستگی پیرسون یک روش آماری برای اندازه‌گیری شدت و جهت رابطه خطی بین دو متغیر کمی است. این آزمون مشخص می‌کند:

• آیا بین دو متغیر رابطه وجود دارد؟
• جهت رابطه مثبت است یا منفی؟
• شدت این رابطه چقدر است؟

برای مثال، اگر پژوهشگری بخواهد رابطه بین رضایت مشتری و وفاداری مشتری را بررسی کند، می‌تواند از ضریب همبستگی پیرسون استفاده کند. این آزمون یکی از پایه‌های مهم تحلیل داده است و ارتباط نزدیکی با روش‌هایی مانند «رگرسیون چیست؟ تحلیل رگرسیون در پژوهش و پایان نامه» و «تحلیل مسیر چیست؟ آموزش Path Analysis در پژوهش و پایان نامه» دارد.

---

آزمون همبستگی پیرسون چیست؟

آزمون همبستگی پیرسون یا Pearson Correlation Coefficient روشی آماری برای سنجش میزان ارتباط بین دو متغیر عددی است. این ضریب با نماد r نمایش داده می‌شود و مقدار آن بین ۱- تا ۱+ قرار دارد.

مقدار ضریب پیرسون نشان می‌دهد:

• رابطه وجود دارد یا خیر.
• رابطه چه جهتی دارد.
• شدت ارتباط چقدر است.

برای مثال اگر مقدار r برابر با ۰.۸ باشد: یعنی بین دو متغیر رابطه مثبت و قوی وجود دارد. اگر مقدار r برابر با ۰.۶- باشد: یعنی رابطه منفی و نسبتاً قوی وجود دارد.

---

مفهوم همبستگی چیست؟

همبستگی به معنای میزان همراهی تغییرات دو متغیر است. یعنی بررسی می‌کنیم وقتی یک متغیر تغییر می‌کند، متغیر دیگر چه رفتاری نشان می‌دهد. برای مثال: اگر با افزایش ساعات مطالعه، نمرات دانشجویان افزایش پیدا کند، بین این دو متغیر همبستگی مثبت وجود دارد.

اما اگر با افزایش قیمت یک محصول، میزان خرید کاهش پیدا کند، بین قیمت و خرید رابطه منفی وجود دارد.

نکته مهم: همبستگی به معنی رابطه علت و معلولی نیست. یعنی اگر دو متغیر با هم ارتباط داشته باشند، نمی‌توان فقط با آزمون پیرسون نتیجه گرفت یکی باعث ایجاد دیگری شده است.

---

ضریب همبستگی پیرسون چگونه تفسیر می‌شود؟

ضریب همبستگی پیرسون بین ۱- و ۱+ قرار دارد.

تفسیر کلی آن:

مقدار ضریب r	شدت رابطه
۰ تا ۰.۲	بسیار ضعیف
۰.۲ تا ۰.۴	ضعیف
۰.۴ تا ۰.۶	متوسط
۰.۶ تا ۰.۸	قوی
۰.۸ تا ۱	بسیار قوی

البته این دسته‌بندی تقریبی است و در رشته‌های مختلف ممکن است تفسیر متفاوتی داشته باشد.

---

جهت رابطه در همبستگی پیرسون

ضریب پیرسون علاوه بر شدت رابطه، جهت آن را نیز مشخص می‌کند.

همبستگی مثبت

در همبستگی مثبت، افزایش یک متغیر همراه با افزایش متغیر دیگر است. مثال:

افزایش کیفیت خدمات ↓ افزایش رضایت مشتری

در این حالت مقدار r مثبت است. مثلاً: r = 0.75

---

همبستگی منفی

در همبستگی منفی، افزایش یک متغیر همراه با کاهش متغیر دیگر است. مثال:

افزایش قیمت محصول ↓ کاهش میزان خرید

در این حالت مقدار r منفی است. مثلاً: r = -0.65

---

نبود همبستگی

اگر مقدار ضریب نزدیک صفر باشد، نشان می‌دهد رابطه خطی قابل توجهی بین دو متغیر وجود ندارد.

مثلاً: r = 0.05

---

فرضیه‌های آزمون همبستگی پیرسون

در آزمون پیرسون نیز مانند سایر آزمون‌های آماری، فرضیه‌ها بررسی می‌شوند.

فرض صفر (H0)

• فرض صفر بیان می‌کند: بین دو متغیر رابطه معناداری وجود ندارد.
• مثال: بین کیفیت خدمات و رضایت مشتری ارتباط آماری معناداری وجود ندارد.

---

فرض مقابل (H1)

• فرض مقابل بیان می‌کند: بین دو متغیر رابطه معناداری وجود دارد.
• مثال: بین کیفیت خدمات و رضایت مشتری رابطه معناداری وجود دارد.

---

پیش‌فرض‌های آزمون همبستگی پیرسون

برای استفاده صحیح از آزمون پیرسون باید برخی شرایط بررسی شوند.

مهم‌ترین پیش‌فرض‌ها:

• کمی بودن متغیرها
• وجود رابطه خطی
• نرمال بودن تقریبی داده‌ها
• نبود داده‌های پرت شدید

---

کمی بودن متغیرها

ضریب پیرسون برای متغیرهای عددی طراحی شده است.

نمونه متغیرهای مناسب:

• درآمد
• سن
• نمره آزمون
• رضایت مشتری
• عملکرد کارکنان

برای متغیرهای رتبه‌ای یا کیفی معمولاً روش‌های دیگری مانند اسپیرمن یا کای دو مناسب‌تر هستند.

---

وجود رابطه خطی

پیرسون فقط رابطه خطی را اندازه‌گیری می‌کند. یعنی اگر دو متغیر رابطه پیچیده غیرخطی داشته باشند، ممکن است مقدار پیرسون رابطه واقعی را نشان ندهد. به همین دلیل بررسی نمودار پراکنش (Scatter Plot) قبل از تحلیل مفید است.

---

نرمال بودن داده‌ها

یکی از پیش‌فرض‌های مهم آزمون پیرسون، نرمال بودن تقریبی داده‌ها است. برای بررسی این موضوع می‌توان از روش‌هایی مانند:

• آزمون شاپیرو ویلک
• آزمون کولموگروف اسمیرنوف

استفاده کرد. در صورت غیرنرمال بودن داده‌ها، ممکن است آزمون اسپیرمن گزینه مناسب‌تری باشد.

---

آموزش اجرای آزمون همبستگی پیرسون در SPSS

نرم‌افزار SPSS یکی از رایج‌ترین ابزارها برای محاسبه ضریب همبستگی پیرسون در تحقیقات دانشگاهی است. برای اجرای آزمون Pearson Correlation در SPSS مراحل زیر انجام می‌شود:

Analyze ↓ Correlate ↓ Bivariate

---

انتخاب متغیرها در SPSS

پس از باز شدن پنجره Bivariate Correlations، متغیرهایی که قصد بررسی رابطه آن‌ها را داریم انتخاب می‌کنیم. برای مثال:

• متغیر اول: رضایت مشتری
• متغیر دوم: وفاداری مشتری
• هر دو متغیر باید در بخش Variables قرار گیرند.

---

انتخاب روش همبستگی

در بخش Correlation Coefficients گزینه‌های مختلفی وجود دارد:

• Pearson
• Spearman
• Kendall

برای آزمون همبستگی پیرسون باید گزینه Pearson فعال باشد. همچنین می‌توان نوع آزمون را مشخص کرد:

Two-tailed

برای بررسی وجود رابطه بدون تعیین جهت استفاده می‌شود.

One-tailed

زمانی استفاده می‌شود که پژوهشگر از قبل جهت رابطه را مشخص کرده باشد. در بیشتر تحقیقات دانشگاهی از حالت Two-tailed استفاده می‌شود.

---

تفسیر خروجی آزمون همبستگی پیرسون در SPSS

پس از اجرای آزمون، SPSS جدولی مانند Correlations ارائه می‌دهد. مهم‌ترین بخش‌های این جدول عبارت‌اند از:

• Pearson Correlation
• Sig. (2-tailed)
• N

---

Pearson Correlation

این مقدار همان ضریب همبستگی پیرسون است و شدت و جهت رابطه را نشان می‌دهد. مثال:

متغیرها	Pearson Correlation
کیفیت خدمات و رضایت مشتری	0.72

تفسیر: بین کیفیت خدمات و رضایت مشتری رابطه مثبت و قوی وجود دارد.

---

مقدار Sig در آزمون پیرسون

مقدار Sig یا سطح معناداری برای بررسی معنادار بودن رابطه استفاده می‌شود.

• اگر: Sig < 0.05 باشد: رابطه بین دو متغیر از نظر آماری معنادار است.
• اگر: Sig > 0.05 باشد: شواهد کافی برای وجود رابطه معنادار وجود ندارد.

---

مثال کامل تفسیر آزمون پیرسون

فرض کنید پژوهشگری رابطه بین کیفیت خدمات و رضایت مشتری را بررسی کرده است.

نتایج: Pearson Correlation = 0.68 و Sig = 0.001

تفسیر: با توجه به اینکه مقدار Sig کمتر از ۰.۰۵ است، رابطه بین دو متغیر معنادار است. همچنین مقدار ضریب ۰.۶۸ نشان می‌دهد رابطه مثبت و نسبتاً قوی بین کیفیت خدمات و رضایت مشتری وجود دارد. بنابراین با افزایش کیفیت خدمات، رضایت مشتری نیز افزایش پیدا می‌کند.

---

تفاوت آزمون پیرسون و اسپیرمن چیست؟

دو آزمون پیرسون و اسپیرمن هر دو برای بررسی رابطه بین متغیرها استفاده می‌شوند، اما شرایط استفاده آن‌ها متفاوت است.

ویژگی	پیرسون	اسپیرمن
نوع آزمون	پارامتریک	ناپارامتریک
نوع داده	کمی	رتبه‌ای یا غیرنرمال
شرط نرمال بودن	معمولاً دارد	ندارد
نوع رابطه	خطی	یکنواخت
نماد	r	ρ

---

چه زمانی از پیرسون استفاده کنیم؟

آزمون پیرسون زمانی مناسب است که:

• متغیرها کمی باشند.
• داده‌ها تقریباً نرمال باشند.
• رابطه بین متغیرها خطی باشد.

مثال: رابطه بین درآمد و میزان خرید.

---

چه زمانی از اسپیرمن استفاده کنیم؟

اگر داده‌ها نرمال نباشند یا متغیرها رتبه‌ای باشند، آزمون اسپیرمن انتخاب مناسب‌تری است. مثال: بررسی رابطه بین رتبه رضایت مشتری و رتبه کیفیت خدمات.

---

ارتباط آزمون پیرسون با رگرسیون چیست؟

آزمون همبستگی پیرسون و رگرسیون هر دو برای بررسی رابطه بین متغیرها استفاده می‌شوند، اما هدف آن‌ها متفاوت است. همبستگی پیرسون فقط میزان ارتباط بین دو متغیر را بررسی می‌کند. اما رگرسیون علاوه بر بررسی رابطه، امکان پیش‌بینی یک متغیر بر اساس متغیر دیگر را فراهم می‌کند. برای مثال:

• همبستگی: آیا کیفیت خدمات و رضایت مشتری با هم ارتباط دارند؟
• رگرسیون: آیا می‌توان رضایت مشتری را بر اساس کیفیت خدمات پیش‌بینی کرد؟

به همین دلیل، در بسیاری از تحقیقات ابتدا همبستگی بین متغیرها بررسی می‌شود و سپس از رگرسیون برای تحلیل اثرگذاری استفاده می‌شود. برای مطالعه بیشتر درباره این موضوع می‌توانید مقاله «رگرسیون چیست؟ تحلیل رگرسیون در پژوهش و پایان نامه» را مطالعه کنید.

---

ارتباط آزمون پیرسون با تحلیل مسیر و SEM

در مدل‌های پیشرفته مانند تحلیل مسیر و مدل‌سازی معادلات ساختاری، بررسی همبستگی بین متغیرها یکی از مراحل اولیه تحلیل داده محسوب می‌شود. برای مثال، در یک مدل SEM ممکن است سازه‌های زیر وجود داشته باشند:

• کیفیت خدمات
• رضایت مشتری
• وفاداری مشتری

قبل از بررسی روابط ساختاری مدل، شناخت ارتباط اولیه بین این سازه‌ها اهمیت دارد. البته در SEM فقط همبستگی ساده بررسی نمی‌شود، بلکه روابط پیچیده‌تر شامل:

• اثر مستقیم
• اثر غیرمستقیم
• متغیر میانجی
• متغیر تعدیل‌گر

نیز تحلیل می‌شوند. به همین دلیل، آزمون پیرسون را می‌توان یکی از مفاهیم پایه برای درک تحلیل‌های پیشرفته‌تر دانست.

---

اشتباهات رایج در استفاده از آزمون همبستگی پیرسون

تفسیر همبستگی به عنوان رابطه علت و معلولی

یکی از رایج‌ترین اشتباهات این است که پژوهشگر تصور کند وجود همبستگی به معنی تاثیر مستقیم یک متغیر بر دیگری است. برای مثال: اگر بین تبلیغات و فروش رابطه مثبت وجود داشته باشد، نمی‌توان فقط با همبستگی نتیجه گرفت تبلیغات تنها علت افزایش فروش بوده است.

---

استفاده از پیرسون برای داده‌های نامناسب

اگر داده‌ها رتبه‌ای باشند یا توزیع مناسبی نداشته باشند، ممکن است پیرسون انتخاب مناسبی نباشد. در چنین شرایطی باید روش‌های جایگزین مانند اسپیرمن بررسی شوند.

---

بررسی نکردن رابطه خطی

ضریب پیرسون رابطه خطی را اندازه‌گیری می‌کند. اگر رابطه بین دو متغیر غیرخطی باشد، مقدار پیرسون ممکن است شدت واقعی رابطه را نشان ندهد.

---

کاربرد آزمون همبستگی پیرسون در پایان نامه

آزمون همبستگی پیرسون یکی از پرکاربردترین آزمون‌های آماری در پایان نامه‌های کمی است. این آزمون معمولاً زمانی استفاده می‌شود که پژوهشگر قصد دارد ارتباط بین دو متغیر عددی را بررسی کند. برخی از کاربردهای رایج آزمون پیرسون در پایان نامه عبارت‌اند از:

---

بررسی رابطه بین متغیرهای پژوهش

در بسیاری از تحقیقات، قبل از اجرای تحلیل‌های پیشرفته‌تر، پژوهشگر ابتدا میزان ارتباط بین متغیرهای اصلی تحقیق را بررسی می‌کند. برای مثال، در یک پژوهش مدیریت ممکن است هدف بررسی رابطه بین موارد زیر باشد:

• کیفیت خدمات و رضایت مشتری
• رضایت شغلی و تعهد سازمانی
• آموزش کارکنان و عملکرد شغلی

در این شرایط، آزمون پیرسون مشخص می‌کند که آیا بین متغیرها رابطه آماری وجود دارد یا خیر.

---

استفاده در مرحله اولیه تحلیل داده‌ها

در تحقیقات چندمتغیره، بررسی همبستگی بین متغیرها می‌تواند اطلاعات مهمی درباره ساختار داده‌ها ارائه دهد. برای مثال، در یک مدل تحقیق که چند متغیر مستقل وجود دارد، بررسی همبستگی اولیه می‌تواند مشخص کند که آیا بین متغیرها ارتباط زیادی وجود دارد یا خیر.

این موضوع در تحلیل‌هایی مانند رگرسیون اهمیت دارد، زیرا همبستگی بسیار زیاد بین متغیرهای مستقل می‌تواند باعث ایجاد مشکل هم‌خطی شود.

---

بررسی فرضیه‌های تحقیق

بسیاری از فرضیه‌های پژوهش به شکل رابطه‌ای مطرح می‌شوند. برای مثال:

«بین کیفیت خدمات و رضایت مشتری رابطه معناداری وجود دارد.»

برای بررسی چنین فرضیه‌ای می‌توان از آزمون همبستگی پیرسون استفاده کرد. اگر ضریب همبستگی و سطح معناداری مناسب باشد، فرضیه پژوهش تایید می‌شود.

---

نحوه گزارش آزمون پیرسون در مقاله و پایان نامه

نتایج آزمون همبستگی پیرسون باید به شکل علمی گزارش شود. یک گزارش استاندارد معمولاً شامل موارد زیر است:

• نام متغیرهای بررسی‌شده
• مقدار ضریب همبستگی
• سطح معناداری
• تعداد نمونه

برای مثال:

«نتایج آزمون همبستگی پیرسون نشان داد بین کیفیت خدمات و رضایت مشتری رابطه مثبت و معناداری وجود دارد (r=0.72, p<0.01). بنابراین با افزایش کیفیت خدمات، میزان رضایت مشتری نیز افزایش می‌یابد.»

---

گزارش جدول همبستگی

در بسیاری از پایان نامه‌ها، ماتریس همبستگی بین متغیرها در قالب جدول ارائه می‌شود.

نمونه:

متغیر	کیفیت خدمات	رضایت مشتری	وفاداری
کیفیت خدمات	1	0.72	0.65
رضایت مشتری	0.72	1	0.70
وفاداری	0.65	0.70	1

این جدول نشان می‌دهد ارتباط بین سازه‌های مختلف چگونه است. در پژوهش‌هایی که از «مدل‌سازی معادلات ساختاری (SEM) چیست؟ آموزش SEM در پایان نامه» استفاده می‌کنند، ماتریس همبستگی می‌تواند یکی از اطلاعات اولیه برای بررسی روابط بین سازه‌ها باشد.

---

ارتباط آزمون پیرسون با تحلیل عاملی و SEM

آزمون پیرسون در کنار روش‌های پیشرفته‌تر تحلیل داده نیز کاربرد دارد. در پژوهش‌هایی که از تحلیل عاملی، تحلیل مسیر یا SEM استفاده می‌کنند، شناخت رابطه اولیه بین متغیرها اهمیت دارد. برای مثال، فرض کنید مدل تحقیق شامل سه سازه باشد:

• کیفیت خدمات
• رضایت مشتری
• وفاداری مشتری

قبل از بررسی مسیرهای مدل، پژوهشگر ممکن است همبستگی بین این سازه‌ها را بررسی کند. اگر هیچ ارتباطی بین دو سازه وجود نداشته باشد، انتظار تاثیرگذاری آن‌ها بر یکدیگر نیز منطقی نخواهد بود. البته در SEM، روابط فقط بر اساس همبستگی ساده تحلیل نمی‌شوند، بلکه مدل نظری تحقیق نیز نقش اصلی را دارد.

---

تفاوت همبستگی پیرسون و رگرسیون چیست؟

اگرچه همبستگی پیرسون و رگرسیون هر دو برای بررسی ارتباط بین متغیرها استفاده می‌شوند، اما هدف آن‌ها متفاوت است.

همبستگی پیرسون

• هدف: بررسی میزان ارتباط بین دو متغیر
• مثال: آیا بین رضایت مشتری و وفاداری مشتری رابطه وجود دارد؟
• خروجی: یک ضریب بین ۱- تا ۱+

---

رگرسیون

• هدف: پیش‌بینی یا بررسی تاثیر یک یا چند متغیر مستقل بر یک متغیر وابسته
• مثال: آیا کیفیت خدمات می‌تواند رضایت مشتری را پیش‌بینی کند؟
• خروجی: معادله پیش‌بینی، ضریب تاثیر و میزان توضیح مدل

به همین دلیل، بسیاری از پژوهش‌ها ابتدا از همبستگی برای شناخت رابطه اولیه استفاده می‌کنند و سپس برای بررسی اثرگذاری از رگرسیون یا مدل‌های ساختاری استفاده می‌کنند.

---

نتیجه‌گیری

آزمون همبستگی پیرسون چیست؟ این آزمون یکی از مهم‌ترین روش‌های آماری برای بررسی رابطه بین دو متغیر کمی است. ضریب پیرسون با مقداری بین ۱- و ۱+ نشان می‌دهد که رابطه بین دو متغیر چه شدتی دارد و جهت آن مثبت است یا منفی.

این آزمون در بسیاری از پایان نامه‌ها برای بررسی فرضیه‌های رابطه‌ای، تحلیل اولیه داده‌ها و آماده‌سازی برای تحلیل‌های پیشرفته‌تر مانند رگرسیون و SEM استفاده می‌شود. برای استفاده صحیح از آزمون پیرسون باید شرایطی مانند کمی بودن متغیرها، وجود رابطه خطی و وضعیت مناسب توزیع داده‌ها بررسی شود. همچنین باید توجه داشت که همبستگی به معنی رابطه علت و معلولی نیست و تنها میزان همراهی تغییرات دو متغیر را نشان می‌دهد.

---

سوالات متداول درباره آزمون همبستگی پیرسون