Студопедия

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)

Correlate Var1 Var2 Var 3

Тестирование гипотезы о наличии корреляционной зависимости в Stata.

В завершении остановимся на компьютерном вычислении оценок теоретических коэффициентов корреляции и тестирования гипотез о его значимом отличии от нуля.

На первом шаге рекомендуется построить так называемую точечную диаграмму двумерной выборки, которая называется «корреляционным полем». Предварим этот шаг обсуждением ситуаций, которые при этом могут быть, используя для этого рисунок, на котором изображены разные корреляционные поля.

 

Такой «экспресс-анализ» ситуации является очень важным. В Stata этот шаг реализуется при помощи, например, при помощи команды (или стандартной процедуре, в разделе Графики):

 

 

В результате получаем рисунок следующего вида. Мы уже использовали такие графики, когда занимались выявлением выбросов в выборках.

 

 

Для того, чтобы получить выборочные коэффициенты корреляции,можно воспользоваться командой:

 

В результате Stata выведет на дисплей корреляционную матрицу вида:

 

 

Однако, как мы обсудили выше, без проверки гипотез о статистической значимости этих результатов, неправомерно заниматься трактовой полученных оценок.

Использование команды

 

pwcorr, print (уровень значимости)

 

позволяет получать результаты, статистически значимые на указанном вами уровне. Например, рисунок ниже иллюстрирует использование этой команды для трех разных уровней значимости. Причем, в последнем случае, для уровня значимости 0.001 Стата вывела только выборочный коэффициент корреляции для третьей и первой переменных.

 

 

 

Если вы будете использовать команду:

pwcorr, star (уровень значимости)

То Stata «отметит» символом * выборочный коэффициент корреляции на указанном уровне.

 

 

В заключении, приведем вывод итогов по тестированию гипотезы о нормальном законе распределения, при помощи тестирования гипотезы о величине коэффициента асимметрии и коэффициента эксцесса.

Если распределение нормально, то его коэффициент асимметрии равен нулю и коэффициент эксцесса равен 0(или 3!!!1). Так как значения могут иметь место и для распределений, отличных от нормального, то этот критерий следует воспринимать как критерий установления отклонения от нормальности распределения, но не установления нормальности.

Формулы для вычисления теоретических коэффициентов эксцесса и асимметрии:

 

 

Или

 

 

 

Очень часто при исследованиях совершают очень грубую идеологическую ошибку, распространяя выводы о наличие корреляционной зависимости выводами о наличии причинно-следственной связи. Это категорически неверно! Статистические и эконометрические методы и инструменты НЕ ПОЗВОЛЯЮТ делать выводы о наличии или отсутствии причинно-следственных связей, в частности, в финансах, экономике, менеджменте. Рассмотрим выдержку из статьи «Осторожно: статистика» Алексея Бессуднова.

«Рассмотрим это на примере исследования, посвященного анализу связи между употреблением алкоголя и сердечнососудистыми заболеваниями, опубликованного в феврале 2011 г. в British Medical Journal [1]. Авторы этой статьи статистически проанализировали результаты проведенных ранее исследований и показали, что люди, умеренно употребляющие алкоголь, менее подвержены риску сердечно-сосудистых заболеваний, чем те, кто не пьет вообще. Почему эти результаты нельзя однозначно интерпретировать в терминах причинно-следственной связи и утверждать, что умеренное потребление алкоголя положительно влияет на здоровье? (Надо отметить, что авторы оригинальной статьи в BMJ этого и не делают, в отличие от авторов последовавших за ней публикаций в прессе.)

1. Во-первых, из-за возможности обратной причинно-следственной зависимости: больные люди часто отказываются от употребления алкоголя, и, таким образом, причину и следствие здесь следует поменять местами.

<== предыдущая лекция | следующая лекция ==>
Анализ корреляционной зависимости | Работа в полевых условиях общие положения
Поделиться с друзьями:


Дата добавления: 2013-12-14; Просмотров: 1234; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.013 сек.