КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Корреляционное отношение
На практике часто предпосылки корреляционного анализа нарушаются: один из признаков оказывается величиной не случайной, или признаки не имеют совместного нормального распределения. Однако статистическая зависимость между ними существует. Для изучения связи между признаками в этом случае существует общий показатель зависимости признаков, основанный на показателе изменчивости — общей (или полной) дисперсии. Полной называется дисперсия признака относительно его математического ожидания. Так, для признака Y это . Дисперсию можно разложить на две составляющие, одна из которых характеризует влияние фактора X на Y, другая — влияние прочих факторов. Очевидно, чем меньше влияние прочих факторов, тем теснее связь, тем более приближается она к функциональной. Представим в следующем виде: . (1.9) Первое слагаемое обозначим . Это дисперсия функции регрессии относительно математического ожидания признака (в данном случае признака Y);.она измеряет влияние признака X на Y. Второе слагаемое обозначим . Это дисперсия признака Y относительно функции регрессии. Её называют также средней из условных дисперсий или остаточной дисперсиейизмеряет влияние на Y прочих факторов. Покажем, что действительно можно разложить на два таких слагаемых: (1.10) Для простоты полагаем распределение дискретным. Имеем так как при любом х справедливо равенство Третье слагаемое в равенстве (1.10) равно нулю, поэтому равенство (1.9) справедливо. Поскольку второе слагаемое в равенстве (1.9) оценивает влияние признака X на Y, то его можно использовать для оценки тесноты связи между X и Y. Тесноту связи удобно оценивать в единицах общей дисперсии , т.е. рассматривать отношение . Эту величину обозначают и называют теоретическим корреляционным отношением. Таким образом,
(1.11) Разделив обе части равенства (1.9) на получим Из последней формулы имеем (1.12) Поскольку , так как — составная часть , то из равенства (1.12) следует, что значение всегда заключено между нулем и единицей. Все сделанные выводы справедливы и для . Из равенства (1.12) следует, что только тогда, когда , т.е. отсутствует влияние прочих факторов и всё распределение сконцентрировано на кривой регрессии . В этом случае между Y и X существует функциональная зависимость. Далее, из равенства (1.12) следует, что тогда и только тогда, когда =M(Y) = const, т.е. линия регрессии Y по X — горизонтальная прямая, проходящая через центр распределения. В этом случае можно сказать, что переменная Y не коррелирована с X (рис. 1.2,а, б, в). Аналогичными свойствами обладает— показатель тесноты связи между X и Y. Часто используют величину . (1.13) Считают, что она не может быть отрицательной. Значения величины (или ) также могут находиться лишь в пределах от нуля до единицы. Это очевидно из формулы (1.13). Значения , лежащие в интервале 0<<1, являются показателями тесноты группировки точек около кривой регрессии независимо oт её вида (формы связи). Корреляционное отношение связано сследующим образом: . В случае линейной зависимости между переменными . Разность может быть использована как показатель нелинейности связи между переменными. При вычислении по выборочным данным получаем выборочное корреляционное отношение. Обозначим его. Вместо дисперсий в этом случае используются их оценки. Тогда формула (1.12) принимает вид
Дата добавления: 2014-01-03; Просмотров: 262; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |