Формула линейного коэффициента корреляции

Расчет коэффициента корреляции

Методы расчета коэффициента корреляции

Размещено на www.rnz.ru

В том случае, когда причинная зависимость действует не в каждом конкретном случае, а в общем для всей наблюдаемой совокупности, среднем при значительном количестве наблюдений, то такая зависимость является стохастической. Частным случаем стохастической зависимости выступает корреляционная связь, при которой изменение средней величины результативного показателя вызвано изменением значений факторных показателей. Расчет степени тесноты и направления связи выступает значимой задачей исследования и количественной оценки взаимосвязи различных социально-экономических явлений. Определение степени тесноты связи между различными показателями требует определение уровня соотношения изменения результативного признака от изменения одного (в случае исследования парных зависимостей) либо вариации нескольких (в случае исследования множественных зависимостей) признаков-факторов. Для определения такого уровня используется коэффициент корреляции.

Линейный коэффициент корреляции был впервые введен в начале 90-х гг. XIX в. Пирсоном и показывает степень тесноты и направления связи между двумя коррелируемыми факторами в случае, если между ними имеется линейная зависимость. При интерпретации получаемого значения линейного коэффициента корреляции степень тесноты связи между признаками оценивается по шкале Чеддока, один из вариантов этой шкалы приведен в нижеследующей таблице:

Шкала Чеддока количественной оценки степени тесноты связи

Источник

Линейный коэффициент корреляции Пирсона

Обнаружение взаимосвязей между явлениями – одна из главных задач статистического анализа. На то есть две причины. Первая. Если известно, что один процесс зависит от другого, то на первый можно оказывать влияние через второй. Вторая. Даже если причинно-следственная связь отсутствует, то по изменению одного показателя можно предсказать изменение другого.

Взаимосвязь двух переменных проявляется в совместной вариации: при изменении одного показателя имеет место тенденция изменения другого. Такая взаимосвязь называется корреляцией, а раздел статистики, который занимается взаимосвязями – корреляционный анализ.

Корреляция – это, простыми словами, взаимосвязанное изменение показателей. Она характеризуется направлением, формой и теснотой. Ниже представлены примеры корреляционной связи.

lazy placeholder

Далее будет рассматриваться только линейная корреляция. На диаграмме рассеяния (график корреляции) изображена взаимосвязь двух переменных X и Y. Пунктиром показаны средние.

lazy placeholder

При положительном отклонении X от своей средней, Y также в большинстве случаев отклоняется в положительную сторону от своей средней. Для X меньше среднего, Y, как правило, тоже ниже среднего. Это прямая или положительная корреляция. Бывает обратная или отрицательная корреляция, когда положительное отклонение от средней X ассоциируется с отрицательным отклонением от средней Y или наоборот.

Линейность корреляции проявляется в том, что точки расположены вдоль прямой линии. Положительный или отрицательный наклон такой линии определяется направлением взаимосвязи.

Крайне важная характеристика корреляции – теснота. Чем теснее взаимосвязь, тем ближе к прямой точки на диаграмме. Как же ее измерить?

Складывать отклонения каждого показателя от своей средней нет смысла, получим нуль. Похожая проблема встречалась при измерении вариации, а точнее дисперсии. Там эту проблему обходят через возведение каждого отклонения в квадрат.

lazy placeholder

Квадрат отклонения от средней измеряет вариацию показателя как бы относительно самого себя. Если второй множитель в числителе заменить на отклонение от средней второго показателя, то получится совместная вариация двух переменных, которая называется ковариацией.

lazy placeholder

Чем больше пар имеют одинаковый знак отклонения от средней, тем больше сумма в числителе (произведение двух отрицательных чисел также дает положительное число). Большая положительная ковариация говорит о прямой взаимосвязи между переменными. Обратная взаимосвязь дает отрицательную ковариацию. Если количество совпадающих по знаку отклонений примерно равно количеству не совпадающих, то ковариация стремится к нулю, что говорит об отсутствии линейной взаимосвязи.

Таким образом, чем больше по модулю ковариация, тем теснее линейная взаимосвязь. Однако значение ковариации зависит от масштаба данных, поэтому невозможно сравнивать корреляцию для разных переменных. Можно определить только направление по знаку. Для получения стандартизованной величины тесноты взаимосвязи нужно избавиться от единиц измерения путем деления ковариации на произведение стандартных отклонений обеих переменных. В итоге получится формула коэффициента корреляции Пирсона.

lazy placeholder

Показатель имеет полное название линейный коэффициент корреляции Пирсона или просто коэффициент корреляции.

lazy placeholder

Таким образом, ковариация и корреляция отражают тесноту линейной взаимосвязи. Последняя используется намного чаще, т.к. является относительным показателем и не имеет единиц измерения.

lazy placeholder

Линейная функция является моделью взаимосвязи между X иY и показывает ожидаемое значение Y при заданном X. Коэффициент детерминации – это соотношение дисперсии ожидаемых Y (точек на прямой линии) к общей дисперсии Y, или доля объясненной вариации Y. При r = 0,1 r 2 = 0,01 или 1%, при r = 0,5 r 2 = 0,25 или 25%.

Выборочный коэффициент корреляции

Коэффициент корреляции обычно рассчитывают по выборке. Значит, у аналитика в распоряжении не истинное значение, а оценка, которая всегда ошибочна. Если выборка была репрезентативной, то истинное значение коэффициента корреляции находится где-то относительно недалеко от оценки. Насколько далеко, можно определить через доверительные интервалы.

Согласно Центральное Предельной Теореме распределение оценки любого показателя стремится к нормальному с ростом выборки. Но есть проблемка. Распределение коэффициента корреляции вблизи придельных значений не является симметричным. Ниже пример распределения при истинном коэффициенте корреляции ρ = 0,86.

lazy placeholder

В общем рассчитывать на свойства нормального распределения нельзя. Поэтому Фишер предложил провести преобразование выборочного коэффициента корреляции по формуле:

lazy placeholder

Распределение z для тех же r имеет следующий вид.

lazy placeholder

Намного ближе к нормальному. Стандартная ошибка z равна:

lazy placeholder

Далее исходя из свойств нормального распределения несложно найти верхнюю и нижнюю границы доверительного интервала для z. Определим квантиль стандартного нормального распределения для заданной доверительной вероятности, т.е. количество стандартных отклонений от центра распределения.

lazy placeholder

lazy placeholder

lazy placeholder

Теперь обратным преобразованием Фишера из z вернемся к r.
Нижняя граница r:

lazy placeholder

lazy placeholder

Это была теоретическая часть. Переходим к практике расчетов.

Как посчитать коэффициент корреляции в Excel

Корреляционный анализ в Excel лучше начинать с визуализации.

lazy placeholder

На диаграмме видна взаимосвязь двух переменных. Рассчитаем коэффициент парной корреляции с помощью функции Excel КОРРЕЛ. В аргументах нужно указать два диапазона.

lazy placeholder

Коэффициент корреляции 0,88 показывает довольно тесную взаимосвязь между двумя показателями. Но это лишь оценка, поэтому переходим к интервальному оцениванию.

Расчет доверительного интервала для коэффициента корреляции в Excel

В Эксель нет готовых функций для расчета доверительного интервала коэффициента корреляции, как для средней арифметической. Поэтому план такой:

— Делаем преобразование Фишера для r.
— На основе нормальной модели рассчитываем доверительный интервал для z.
— Делаем обратное преобразование Фишера из z в r.

Удивительно, но для преобразования Фишера в Excel есть специальная функция ФИШЕР.

lazy placeholder

Стандартная ошибка z легко подсчитывается с помощью формулы.

lazy placeholder

Используя функцию НОРМ.СТ.ОБР, определим квантиль нормального распределения. Доверительную вероятность возьмем 95%.

lazy placeholder

Значение 1,96 хорошо известно любому опытному аналитику. В пределах ±1,96σ от средней находится 95% нормально распределенных величин.

Используя z, стандартную ошибку и квантиль, легко определим доверительные границы z.

lazy placeholder

Последний шаг – обратное преобразование Фишера из z назад в r с помощью функции Excel ФИШЕРОБР. Получим доверительный интервал коэффициента корреляции.

lazy placeholder

Нижняя граница 95%-го доверительного интервала коэффициента корреляции – 0,724, верхняя граница – 0,953.

Надо пояснить, что значит значимая корреляция. Коэффициент корреляции статистически значим, если его доверительный интервал не включает 0, то есть истинное значение по генеральной совокупности наверняка имеет тот же знак, что и выборочная оценка.

Несколько важных замечаний

1. Коэффициент корреляции Пирсона чувствителен к выбросам. Одно аномальное значение может существенно исказить коэффициент. Поэтому перед проведением анализа следует проверить и при необходимости удалить выбросы. Другой вариант – перейти к ранговому коэффициенту корреляции Спирмена. Рассчитывается также, только не по исходным значениям, а по их рангам (пример показан в ролике под статьей).

2. Синоним корреляции – это взаимосвязь или совместная вариация. Поэтому наличие корреляции (r ≠ 0) еще не означает причинно-следственную связь между переменными. Вполне возможно, что совместная вариация обусловлена влиянием третьей переменной. Совместное изменение переменных без причинно-следственной связи называется ложная корреляция.

3. Отсутствие линейной корреляции (r = 0) не означает отсутствие взаимосвязи. Она может быть нелинейной. Частично эту проблему решает ранговая корреляция Спирмена, которая показывает совместный рост или снижение рангов, независимо от формы взаимосвязи.

В видео показан расчет коэффициента корреляции Пирсона с доверительными интервалами, ранговый коэффициент корреляции Спирмена.

Источник

Корреляции для начинающих

Апдейт для тех, кто сочтет статью полезной и занесет в избранное. Есть приличный шанс, что пост уйдет в минуса, и я буду вынужден унести его в черновики. Сохраняйте копию!

Краткий и несложный материал для неспециалистов, рассказывающий в наглядной форме о различных методах поиска регрессионных зависимостей. Это все и близко не академично, зато надеюсь что понятно. Прокатит как мини-методичка по обработке данных для студентов естественнонаучных специальностей, которые математику знают плохо, впрочем как и автор. Расчеты в Матлабе, подготовка данных в Экселе — так уж повелось в нашей местности
3f12c1ffa3aaab073ac1d2156d494544

Введение

Зачем это вообще надо? В науке и около нее очень часто возникает задача предсказания какого-то неизвестного параметра объекта исходя из известных параметров этого объекта (предикторов) и большого набора похожих объектов, так называемой учебной выборки. Пример. Вот мы выбираем на базаре яблоко. Его можно описать такими предикторами: красность, вес, количество червяков. Но как потребителей нас интересует вкус, измеренный в попугаях по пятибалльной шкале. Из жизненного опыта нам известно, что вкус с приличной точностью равен 5*красность+2*вес-7*количество червяков. Вот про поиск такого рода зависимостей мы и побеседуем. Чтобы обучение пошло легче, попробуем предсказать вес девушки исходя из ее 90/60/90 и роста.

Исходные данные

В качестве объекта исследования возьму данные о параметрах фигуры девушек месяца Плейбоя. Источник — www.wired.com/special_multimedia/2009/st_infoporn_1702, слегка облагородил и перевел из дюймов в сантиметры. Вспоминается анекдот про то, что 34 дюйма — это как два семнадцатидюймовых монитора. Также отделил записи с неполной информацией. При работе с реальными объектами их можно использовать, но сейчас они нам только мешают. Зато их можно использовать для проверки адекватности полученных результатов. Все данные у нас непрерывные, то есть грубо говоря типа float. Они приведены к целым числам только чтобы не загромождать экран. Есть способы работы и с дискретными данными — в нашем примере это например может быть цвет кожи или национальность, которые принимают одно из фиксированного набора значений. Это больше имеет отношение к методам классификации и принятия решений, что тянет еще на один мануал. Data.xls В файле два листа. На первом собственно данные, на втором — отсеянные неполные данные и набор для проверки нашей модели.

Обозначения

W — вес реальный
W_p — вес, предсказанный нашей моделью
S — бюст
T — талия
B — бедра
L — рост
E — ошибка модели

Как оценить качество модели?

Задача нашего упражнения — получить некую модель, которая описывает какой-либо объект. Способ получения и принцип работы конкретной модели нас пока не волнует. Это просто функция f(S, T, B, L), которая выдает вес девушки. Как понять, какая функция хорошая и качественная, а какая не очень? Для этого используется так называемая fitness function. Самая классическая и часто используемая — это сумма квадратов разницы предсказанного и реального значения. В нашем случае это будет сумма (W_p — W)^2 для всех точек. Собственно, отсюда и пошло название «метод наименьших квадратов». Критерий не лучший и не единственный, но вполне приемлемый как метод по умолчанию. Его особенность в том, что он чувствителен по отношению к выбросам и тем самым, считает такие модели менее качественными. Есть еще всякие методы наименьших модулей итд, но сейчас нам это пока не надо.

Простая линейная регрессия

Самый простой случай. У нас одна переменная-предиктор и одна зависимая переменная. В нашем случае это может быть например рост и вес. Нам надо построить уравнение W_p = a*L+b, т.е. найти коэффициенты a и b. Если мы проведем этот расчет для каждого образца, то W_p будет максимально совпадать с W для того же образца. То есть у нас для каждой девушки будет такое уравнение:
W_p_i = a*L_i+b
E_i = (W_p-W)^2

Общая ошибка в таком случае составит sum(E_i). В результате, для оптимальных значений a и b sum(E_i) будет минимальным. Как же найти уравнение?

Матлаб

Графичек

image loader
Мда, негусто. Это график W_p(W). Формула на графике показывает связь W_p и W. В идеале там будет W_p = W*1 + 0. Вылезла дискретизация исходных данных — облако точек клетчатое. Коэффициент корреляции ни в дугу — данные слабо коррелированы между собой, т.е. наша модель плохо описывает связь веса и роста. По графику это видно как точки, расположенные в форме слабо вытянутого вдоль прямой облака. Хорошая модель даст облако растянутое в узкую полосу, еще более плохая — просто хаотичный набор точек или круглое облако. Модель необходимо дополнить. Про коэффициент корреляции стоит рассказать отдельно, потому что его часто используют абсолютно неправильно.

Расчет в матричном виде

Мультилинейная регрессия

Попытка номер два

image loader
А так получше, но все равно не очень. Как видим, клетчатость осталась только по горизонтали. Никуда не денешься, исходные веса были целыми числами в фунтах. То есть после конверсии в килограммы они ложатся на сетку с шагом около 0.5. Итого финальный вид нашей модели:

W_p = 0.2271*S + 0.1851*T + 0.3125*B + 0.3949*L — 72.9132

Объемы в сантиметрах, вес в кг. Поскольку у нас все величины кроме роста в одних единицах измерения и примерно одного порядка по величине (кроме талии), то мы можем оценить их вклады в общий вес. Рассуждения примерно в таком духе: коэффициент при талии самый маленький, равно как и сами величины в сантиметрах. Значит, вклад этого параметра в вес минимален. У бюста и особенно у бедер он больше, т.е. сантиметр на талии дает меньшую прибавку к массе, чем на груди. А больше всего на вес влияет объем задницы. Впрочем, это знает любой интересующийся вопросом мужчина. То есть как минимум, наша модель реальной жизни не противоречит.

Валидация модели

Название громкое, но попробуем получить хотя бы ориентировочные веса тех девушек, для которых есть полный набор размеров, но нет веса. Их 7: с мая по июнь 1956 года, июль 1957, март 1987, август 1988. Находим предсказанные по модели веса: W_p=X*repr
image loader
Что ж, по крайней мере в текстовом виде выглядит правдоподобно. А насколько это соответствует реальности — решать вам

Применимость

Если вкратце — полученная модель годится для объектов, подобных нашему набору данных. То есть по полученным корреляциям не стоит считать параметры фигур женщин с весом 80+, возрастом, сильно отличающимся от среднего по больнице итд. В реальных применениях можно считать, что модель пригодна, если параметры изучаемого объекта не слишком отличаются от средних значений этих же параметров для исходного набора данных. Могут возникнуть (и возникнут) проблемы, если у нас предикторы сильно коррелированы между собой. То есть, например это рост и длина ног. Тогда коэффициенты для соответствующих величин в уравнении регрессии будут определены с малой точностью. В таком случае надо выбросить один из параметров, или воспользоваться методом главных компонент для снижения количества предикторов. Если у нас малая выборка и/или много предикторов, то мы рискуем попасть в переопределенность модели. То есть если мы возьмем 604 параметра для нашей выборки (а в таблице всего 604 девушки), то сможем аналитически получить уравнение с 604+1 слагаемым, которое абсолютно точно опишет то, что мы в него забросили. Но предсказательная сила у него будет весьма невелика. Наконец, далеко не все объекты можно описать мультилинейной зависимостью. Бывают и логарифмические, и степенные, и всякие сложные. Их поиск — это уже совсем другой вопрос.

Источник

Формула линейного коэффициента корреляции

Одной из основных мер связи в корреляционном анализе является линейный коэффициент корреляции.

Парный линейный коэффициент корреляции. С помощью парного линейного коэффициента корреляции измеряется теснота связи между двумя признаками. Линейный коэффициент корреляции чаще всего рассчитывается по формуле

6

Линейный коэффициент корреляции изменяется в пределах от —1 до +1. Равенство коэффициента нулю свидетельствует об отсутствии линейной связи. Равенство коэффициента —1 или +1 показывает наличие функциональной связи. Знак «+» указывает на связь прямую (увеличение или уменьшение одного признака сопровождается аналогичным изменением другого признака), знак «—» — на связь обратную (увеличение или уменьшение одного признака сопровождается противоположным по направлению изменением другого признака).

Пример 1. Используя данные табл. 1, рассчитаем коэффициент корреляции между доходом крестьянского хозяйства и стоимостью имеющегося в этом хозяйстве скота

Воспользуемся формулой (6.3), а промежуточные расчеты сделаем с помощью рабочей табл. 1, в которую введем необходимые для вычислений графы:

9

Как оценить полученное значение коэффициента корреляции? Велико оно или мало? О наличии или об отсутствии связи свидетельствует? Для ответа на эти вопросы проводят проверку значимости коэффициента.

Проверка значимости парного линейного коэффициента корреляции. Коэффициенты корреляции, как правило, рассчитываются для выборочных данных. Чтобы распространить полученные частные результаты на генеральную совокупность, приходится допустить некоторую ошибку, которую можно оценить с помощью средней квадратической ошибки. Средняя квадратическая ошибка для парного линейного коэффициента корреляции достаточно большой выборки вычисляется по формуле

10

где ρ — коэффициент корреляции генеральной совокупности; n — объем выборки.

В математической статистике доказано, что если признаки х и y распределены по нормальному закону, то в достаточно больших выборках коэффициенты корреляции можно считать распределенными нормально со средним значением ρ и средним квадратическим отклонением σ r (нормальное распределение рассмотрено в гл. 4). Этот факт используется для построения доверительных интервалов коэффициента корреляции в генеральной совокупности, а также для проверки значимости выборочных коэффициентов корреляции, т. е. для проверки того, могло ли данное значение r получиться в выборке из некоррелированной генеральной совокупности (ρ=0) в силу простой случайности.

13

Если 14, т. е. происходит маловероятное событие, предположение о некоррелированности признаков необосновано и коэффициент корреляции считается значимым. Если же 15, коэффициент корреляции считается незначимым.

Пример 2. Выясним, является ли значимым коэффициент корреляция между доходов крестьянского хозяйства и стоимостью скота в хозяйстве.

В нашем примере, задавшись степенью достоверности Р, равной 0,99 и найдя соответствующее ей в таблице 1 приложения значение t кр =2.58, проводим сравнение. Поскольку t ф =0.62/0,18=3,44 заметно превосходит табличное значение 2,58 и вероятность того, что это случайность, мала (0,01), связь между доходом крестьянского хозяйства и стоимостью имеющегося в нем скота следует признать значимой.

Поскольку вычисленный в примере 1 линейный коэффициент корреляции имеет положительный знак, то взаимосвязь между признаками прямая: чем больше скота в хозяйстве, тем больше доход, и чем меньше скота, тем доход меньше.

Заметим, что линейный коэффициент корреляции является показателем взаимной связи между признаками и не дает представления о том, какой из признаков является факторным, а какой — результативным (в формуле (6.3) признаки х и у совершенно равноправны).

Установив существенность взаимной связи между двумя признаками, можно поставить вопрос о тесноте связи. Напомним, что теснота линейной связи измеряется линейным коэффициентом корреляции, но такая оценка верна только для случая, когда расчеты проведены для генеральной совокупности. Для выборочных данных, что обычно имеет место в практике использования корреляционного анализа, необходимо выявить те границы, в пределах которых находится значение коэффициента корреляции генеральной совокупности, т. е. определить для него доверительные интервалы.

Пример 3. Определим доверительные интервалы для коэффициента, вычисленного в примере 1.

Полагая доверительную вероятность Р, т. е. вероятность, с которой гарантируются результаты, равной 0,98, находим в табл. 1 приложения соответствующее ей значение t, равное 2,33. Воспользовавшись формулой (6.4), где вместо ρ возьмем выборочный коэффициент корреляции r, равный 0,62, получим значение для средней квадратической ошибки

16

Поскольку t σr =2.33*0.11=0.26, верхняя и нижняя границы равны соответственно 0,88 и 0,36. Другими словами, с вероятностью 0,98 линейный коэффициент корреляции генеральной совокупности находится в пределах от 0,36 до 0,88.

Важнейшей предпосылкой использования корреляционного анализа является нормальность распределения признаков в генеральной совокупности. Нормальность распределения или, по крайней мере, близость распределения к нормальному необходима для корректного проведения проверки значимости связи и вычисления доверительных интервалов. Методы проверки нормальности распределения см. в гл. 9.

Проверка значимости парного линейного коэффициента корреляции для случая малой выборки. При пользовании формулами (6,4) — (6.5) необходимо учитывать два ограничения. Во-первых, они верны для коэффициента корреляции генеральной совокупности и замена последнего выборочным коэффициентом корреляции является искусственным приемом. Риск заменить генеральный коэффициент корреляции существенно отличным от него выборочным коэффициентом увеличивается с уменьшением объема выборки п. Во-вторых, при выборках небольшого объема распределение выборочного коэффициента корреляции может значительно отличаться от нормального, а нормальность распределения является важнейшим условием корректного использования доверительных интервалов и проверки значимости коэффициентов.

Таким образом, при малых объемах выборок (практически при n ф величины t, подчиняющейся распределению Стьюдента:

19

Пример 4. В трех первых столбцах табл. 2 приведены данные, позволяющие анализировать зависимость различий в размерах отрезков, установленных реформой 1861 г. и соотношением форм эксплуатации по шести губерниям Черноземного центра. Вычислим линейный коэффициент корреляции между этими признаками и проверим его значимость (у — % отрезков, х — отношение числа оброчных крестьян к числу барщинных).

Рассчитав средние значения признаков ( 20=15,8, 21=0,4) и сделав промежуточные расчеты в рабочей таблице, вычислим коэффициент корреляции по формуле (6.3):

22

Для проверки значимости коэффициента воспользуемся формулой (6.6):

23

Табличное значение t кр (k) находим в табл. 2 приложения. Оно расположено на пересечении строки с номером k=n—2 и столбца с удовлетворяющей исследователя степенью достоверности результата. Для нашего примера число степеней свободы k=6—2=4. Положив степень достоверности результата Р равной 0,80, на пересечении 4-й строки и соответствующего 0,90 столбца находим t кр ( k)=2,13.

Поскольку t ф ==2,7>t( k)==2,13, с риском ошибиться в 10 случаях из 100 отбрасываем гипотезу об отсутствии линейной связи, т. е. считаем, что связь между размером отрезков и формой эксплуатации крестьян существует.

Понятие о частной и множественной корреляции. С помощью парного линейного коэффициента корреляции выявляется связь между двумя признаками, один из которых можно рассматривать как результативный, другой — как факторный. Но в действительности на результат воздействуют несколько факторов. В связи с этим возникают два типа задач: задачи измерения комплексного влияния на результативную переменную нескольких переменных и задачи определения тесноты связи между двумя переменными при фиксированных значениях остальных переменных. Задачи первого типа решаются с помощью множественных коэффициентов корреляции, задачи второго типа — с помощью частных коэффициентов корреляции.

Частный, или чистый, коэффициент корреляции между двумя признаками при исключении влияния третьего признака (обозначим его символом r 12.3 ) рассчитывается по формуле ( Существует алгоритм, позволяющий вычислить частные коэффициенты корреляции при исключенном влиянии двух, трех и т. д. факторов. Этот рекуррентный алгоритм используется в машинном варианте (есть стандартные программы для ЭВМ). )

24

где индексы при r показывают номера признаков, связь между которыми оценивается.

Частный коэффициент корреляции первого и второго признаков при исключении влияния третьего оценивает тесноту линейной корреляционной связи между первым и вторым признаками при фиксированном значении третьего признака. Другими словами, он оценивает влияние на результативный (первый) признак изменения лишь второго признака.

Оценка влияния на результативный признак изменений третьего признака при постоянных значениях второго признака определяется по формуле

25

Значения частных коэффициентов корреляции заключаются в тех же пределах от —1 до +1, что и значения парных коэффициентов корреляции, и так же интерпретируются.

Пример 5. На основе данных табл. 1 оценить, какое из направлений хозяйства — скотоводческое или земледельческое — определяет доход в зажиточной группе крестьян.

26

Частный коэффициент корреляции между доходом крестьянского двора и стоимостью скота при постоянном показателе землепользования меньше, чем соответствующий парный коэффициент корреляции (0,41 против 0,62). По-видимому, взаимная зависимость между величиной дохода и стоимостью скота частично опосредствовалась через воздействие уровня землепользования.

Частная корреляция между доходом и землепользованием совсем мала (0,12) при довольно большом значении парного коэффициента (0,52). Это можно объяснить тем, что взаимная зависимость дохода и землепользования в значительной степени были усилена влиянием исключенного здесь фактора — стоимости скота.

Таким образом, частные коэффициенты корреляции позволяют установить тесноту взаимосвязи между двумя признаками при исключении влияния других переменных, но для окончательных выводов необходима проверка уровня значимости частных коэффициентов корреляции.

Значимость частных коэффициентов корреляции зависит не только от величины выборочного коэффициента и объема выборки, но также и от числа введенных в исследование переменных.

27

Для проверки значимости частных коэффициентов корреляции вычисляют величину по формуле

Пример 5 (продолжение). Проверить значимость частных коэффициентов корреляции, рассчитанных выше.

Воспользовавшись формулой (6.9), вычислим величины t 1ф для r 12.3 и t 2ф для r 13.2 :

28

Табличное значение t кр находится по табл. 2 приложения на пересечении строки с номером (n —2—m) и столбца, соответствующего заданной степени достоверности выводов.

Множественный, или совокупный, коэффициент корреляции для случая трех признаков, один из которых — результативный (с номером 1) и два—факторных (с порядковыми номерами 2 и 3) рассчитывается по формуле ( Для расчетов используется такая формула

29

пригодная для случаев, когда число признаков, совокупное влияние которых исследуется, превосходит два. Существуют стандартные программы, вычисляющие R 1(23. P) )

30

где подстрочные индексы при r показывают номера признаков, связь между которыми оценивается этим коэффициентом корреляции.

Множественный коэффициент корреляции является показателем тесноты линейной связи между результативным признаком и совокупностью факторных признаков.

Множественный коэффициент корреляции изменяется в пределах от 0 до 1. Равенство его нулю говорит об отсутствии линейной связи, равенство единице—о функциональной связи. Указаний на то, является ли связь прямой или обратной, коэффициент не дает.

Пример 6. Рассчитать множественный коэффициент корреляции между величиной дохода крестьянского хозяйства и совокупным влиянием на него уровня землепользования и стоимости скота в хозяйстве.

Воспользуемся результатами предыдущих примеров: r 12 =0.62; r 13 =0.52; r 23 =0.74. По формуле (6.10);

31

т. е. степень тесноты связи между доходом крестьянского хозяйства и совокупностью двух факторных признаков составляет 0,63.

33

где R 1.23…m+1 —множественный коэффициент корреляции; n—число объектов, для которых приводятся значения признаков; m — число факторных признаков. Этот же критерий используется для проверки значимости регрессии, см. (6.20). )

32

Пример 6 (продолжение). Проверить значимость вычисленного в примере 6 множественного коэффициента корреляции для уровня значимости α=0,05 (P=0,95).

Воспользуемся формулой (6.11):

34

Коэффициент детерминации. Линейный коэффициент корреляции оценивает тесноту взаимосвязи между признаками и показывает, является ли связь прямой или обратной. Но понятие тесноты взаимосвязи часто может быть недостаточным при содержательном анализе взаимосвязей. В частности, коэффициент корреляции не показывает степень воздействия факторного признака на результативный. Таким показателем является коэффициент детерминации (обозначим его D), для случая линейной связи представляющий собой квадрат парного линейного коэффициента корреляции (D=r 2 ) или квадрат множественного коэффициента корреляции. Его значение определяет долю (в процентах) изменений, обусловленных влиянием факторного признака, в общей изменчивости результативного признака.

Пример 7. Рассчитать по данным примера 4 (табл. 2) коэффициент детерминации.

Коэффициент корреляции равен 0,80. Коэффициент детерминации составляет: D=0,80 2 •100%=64%.

Таким образом, различия в размерах отрезков в губерниях Черноземного центра на 64% определялись различиями в соотношении форм эксплуатации.

Корреляционная таблица. В предыдущем изложении каждый признак был представлен рядом значений. В некоторых случаях удобна другая форма записи исходных данных, в виде корреляционной таблицы.

Корреляционная таблица имеет такое устройство: по строкам располагаются значения одного признака, по столбцам — другого признака. Число, стоящее в клетке на пересечении i-й строки и j-го столбца, показывает, как часто i-e значение первого признака встречается совместно с j-м значением второго признака.

В табл. 3 представлены сведения об уходящих в отставку дворянах (60-е годы XVIII в.). В строках дан возраст ухода в отставку, в столбцах — имущественное обложение уходящих в отставку, характеризуемое числом принадлежащих им крестьян. В клетках представлены числа, показывающие, как часто встречаются соответствующие сочетания количественных значений этих двух признаков.

Корреляционная таблица является удобной формой представления данных. Уже беглое знакомство с ней нередко позволяет судить о тесноте связи (не обязательно линейной) между признаками. Если большие значения одного признака в основном сочетаются с большими значениями другого признака, а малые—с малыми, т. е. числа концентрируются вдоль диагонали таблицы, то можно говорить о наличии прямой связи. Если малые значения одного признака в большинстве случаев встречаются совместно с большими значениями другого признака, т. е. числа сосредоточены вдоль другой диагонали, то имеется обратная связь. При этом, чем больше концентрация частот вдоль одной из диагоналей, тем теснее связь.

Корреляционное отношение. Когда изучаемая совокупность (в виде корреляционной таблицы) разбивается на группы по одному (факторному) признаку х, то для каждой из этих групп можно вычислить соответствующие групповые средние результативного признака 35. Изменение групповых средних от группы к группе свидетельствует о наличии связи результативного признака с факторным, а примерное равенство групповых средних—об отсутствии связи. Следовательно, чем большую роль в общем изменении результативного признака 36играет изменение групповых средних (за счет влияния факторного признака), тем сильнее влияние этого признака. Величина 37(вариация признака у) складывается из изменения групповых средних, обусловленного влиянием факторного признака, т. е. из межгрупповой или факторной вариации (S 2 факт ) и из вариации признака внутри групп, обусловленной другими причинами, — внутригрупповой или остаточной (S 2 ост ). Поэтому отношение

38

является мерой степени влияния факторного признака на результативный. Значение квадратного корня из этого отношения измеряет «направленную связь» (x→y) в общем виде и носит название корреляционного отношения (η y/x ).

39Корреляционное отношение вычисляется по формуле

40

Величины S факт 2 и S y 2 вычисляются по формулам:

41

где 42— среднее значение у в i-й группе; 43— общее среднее; n i — объем i-й группы; k — количество групп; n — объем совокупности 44.

Рассмотрим вычисление корреляционного отношения, воспользовавшись данными табл. 3.

Пример 8. В источнике, содержащем данные об уходящих в отставку дворянах, имеются сведения о. причинах ухода в отставку. Как правило, в качестве причины указывалась болезнь. Являлась ли эта причина единственной? Есть основания предположить, что возраст ухода в отставку зависел также от имущественного положения находящихся на военной службе дворян: чем более они были обеспечены, тем с большей легкостью могли оставить службу. Для проверки этого предположения измерим тесноту связи между возрастом уходящих в отставку дворян и их имущественным положением по данным табл. 3.

По признаку имущественного положения совокупность разбита на 4 группы. Рассчитаем средний возраст ухода в отставку для каждой группы

45

Аналогично вычислим 46, 47, 48. Средние, как мы видим, различны и убывают при переходе из первой во вторую, из второй в третью, из третьей в четвертую группы. Таким образом, средний возраст ухода в отставку уменьшается с ростом материальной обеспеченности, что вполне согласуется с нашей гипотезой о наличии связи между этими признаками.

Наконец, вычислим общую среднюю арифметическую (средний возраст ухода в отставку по всем данным табл. 3). Для расчета этой средней в качестве весов возьмем числа, стоящие в последнем суммарном столбце таблицы;

49

Далее, воспользовавшись последовательно формулами (6.13), (6.14) и (6 12), рассчитаем корреляционное отношение:

S 2 факт =(42,2-40,2) 2 +(40,8-40,2) 2 *12+37,7-40,2) 2 *9+(33,3-40,2) 2 *3=294,

S 2 y =(30-40.2) 2 *12+(40-40.2) 2 *20+(50-40.2) 2 *7+(60-40.2) 2 *3=3098,

50

Величена корреляционного отношения изменяется в пределах от 0 до 1. Близость ее к нулю говорит об отсутствии связи, близость к единице—о тесной связи.

Корреляционное отношение в отличие от линейного коэффициента корреляции не указывает, является ли связь прямой или обратной. Однако нередко уже по виду исходной таблицы можно решить этот вопрос. Промежуточные расчеты также помогают определить, является связь прямой или обратной: если с ростом факторного группировочного признака растут групповые средние результативного признака, то связь—прямая, если же с увеличением факторного признака значения групповых средних уменьшаются, то связь—обратная.

Как показатель тесноты связи корреляционное отношение имеет более универсальный характер, чем линейный коэффициент корреляции, поскольку его использование не ограничивается случаями линейной связи, а факторный признак может быть не количественным, а ранговым и даже номинальным.

Квадрат корреляционного отношения, выраженный в процентах, и коэффициент детерминации, как он определен выше, имеют одинаковый смысл, только при расчете коэффициента детерминации используется предположение о линейной связи между факторным и результативным признаками, тогда как при вычислении корреляционного отношения вопрос о форме связи не ставится.

Возвращаясь к примеру 8, оценим полученные в нем результаты. Корреляционное отношение, выражающее степень тесноты связи, оказалось равным 0,31, а квадрат корреляционного отношения в процентах (коэффициент детерминации) —9,9%.

Таким образом, возраст ухода в отставку зависит от имущественного положения, но в целом в небольшой степени: колебания имущественного положения только на 9,9% объясняют колебания возраста ухода в отставку. Причем, поскольку с увеличением количества крестьян у владельцев средний возраст ухода в отставку уменьшается, то связь между этими признаками — обратная.

Линейный коэффициент корреляции, как уже отмечалось, является показателем взаимной связи между признаками, но не указывает, какой из них результативный, а какой — факторный. В этом отношении от него выгодно отличается корреляционное отношение, которое позволяет выявить это соотношение. Для этого вычисляются два корреляционных отношения, сравнение которых и помогает определить правильное распределение «ролей» между признаками.

Коэффициент корреляции и корреляционное отношение являются эффективным средством выявления связи между различными количественными признаками и определения ее тесноты. Коэффициент детерминации дает представление и о степени воздействия одних факторов на другие. Однако решение вопроса о тесноте связи нередко упирается в вопрос о форме связи. Кроме того, знание формы связи дает развернутое представление о влиянии различных факторов на результативный признак, а также возможность прогнозирования изменений результата при тех или иных комбинациях значений факторов.

Выявление формы связи осуществляется с помощью методов регрессионного анализа.

Источник

Комфорт
Adblock
detector