Istnieją pewne punkty, które badacz powinien znać, aby lepiej zrozumieć miary asocjacji statystycznej.

• Po pierwsze, badacz powinien wiedzieć, że miary asocjacji nie są takie same jak miary istotności statystycznej. Możliwe jest, aby słabe powiązanie było statystycznie istotne; możliwe jest również, aby silne powiązanie nie było statystycznie istotne.

• W przypadku miar powiązania, wartość zero oznacza, że nie istnieje żaden związek. W analizie korelacji, jeśli współczynnik (r) ma wartość jeden, oznacza to doskonałą relację na zmiennych zainteresowania. W analizach regresji, jeśli standaryzowana waga beta (β) ma wartość jeden, oznacza to również doskonałą zależność na interesujących nas zmiennych. Badacz powinien zauważyć, że dwuwymiarowe miary asocjacji (np. korelacje Pearsona) są nieodpowiednie dla krzywoliniowych relacji lub relacji nieciągłych.

Źródła

Gibbons, J. D. (1993). Nonparametric measures of association. Thousand Oaks, CA: Sage Publications.

Liebetrau, A. M. (1983). Measures of association. Newbury Park, CA: Sage Publications.

Siegel, S. (1956). Nonparametric Statistics For The Behavioral Sciences. New York: McGraw-Hill.

Wilcox, R. R. (2007). Lokalne miary asocjacji: Estymacja pochodnej linii regresji. British Journal of Mathematical and Statistical Psychology, 60, 107-117.

Wilcox, R. R. (2007).