![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
В статистике широко используют непараметрические методы оценки связи (методы взаимной сопряженности), которые позволяют изучить связь между качественными признаками.
Таблица 9.1 - Методика расчета и содержание показателей взаимной сопряженности
Показатель | Методика расчета и содержание показателя | |||||||||||||||||
Коэффициент взаимной сопряженности Чупрова А. | Применяется для измерения тесноты связи между варьированием двух атрибутивных признаков, когда это варьирование образует несколько (три и более) групп и определяется по формуле
![]() ![]() ![]() | |||||||||||||||||
Коэффициент взаимной сопряженности Пирсона К. |
![]() ![]() | |||||||||||||||||
Коэффициент ассоциации |
где a,b,c,d – частоты «таблицы четырех полей». Изменяется от -1 до +1. Чем ближе этот показатель к 1 или -1, тем сильнее связаны между собой изучаемые признаки. Если коэффициент ассоциации не ниже 0,3, можно говорить о наличии существенной связи между признаками | |||||||||||||||||
Коэффициент контингенции |
![]() | |||||||||||||||||
Биссериальный коэффициент корреляции | Коэффициент позволяет изучить связь между качественным альтернативным и количественным варьирующим признаками и определяется по формуле
![]() ![]() ![]() ![]() ![]() |
Сущность метода параллельных рядов заключается в сопоставлении значений факторного и результативного признаков. Для этого значения факторных признаков располагают в возрастающем или убывающем порядке. Параллельно записывают значения результативных признаков. Путем сопоставления расположенных таким образом рядов значений выявляют существование связи и ее направление.
На основе сравнения параллельных рядов могут быть применены элементарные показатели, характеризующие направление и тесноту связи: коэффициент Фехнера, Спирмена, множественный коэффициент ранговой корреляции.
Таблица 9.2 - Показатели, характеризующие направление на тесноту связи
Показатель | Методика расчета и содержание показателя |
Коэффициент Фехнера (коэффициент корреляции знаков) |
Основан на степени согласованности направлений отклонений индивидуальных значений факторного и результативного признаков от соответствующих средних величин. Для расчета этого показателя исчисляют средние значения факторного и результативного признаков (по арифметической простой), а затем проставляют знаки отклонений для значений взаимосвязанных пар признаков: если фактическое значение признака больше средней величины, то ставится знак «+», если меньше – то знак «-».
Коэффициент Фехнера определяется по формуле
![]() ![]() |
Коэффициент Спирмена (коэффициент корреляции рангов) | Применяется для анализа связи двух значений (Х,Y) и учитывает согласованность рангов, т.е. номеров, которые занимают единицы совокупности по каждому из этих признаков, определяется по формуле
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() |
Множественный коэффициент ранговой корреляции (коэффициент конкордации) | Используется для оценки тесноты связи между несколькими признаками (3 и более) при использовании ранговой корреляции и определяется по формуле
![]() ![]() ![]() ![]() ![]() ![]() ![]() |
Связь между признаками можно увидеть, если построить график, отложив на оси абсцисс значения факторного признака (Х), на оси ординат – значения результативного признака. Нанеся на графике точки, соответствующие значениям Х и Y, можно получить корреляционное поле, благодаря которому по характеру расположения точек можно судить о направлении и силе связи. Если точки беспорядочно разбросаны по всему полю, это говорит об отсутствии зависимости между двумя признаками. Если они концентрируются вокруг оси, идущей от нижнего левого угла в верхний правый, то имеется прямая зависимость между варьирующими признаками. Если точки концентрируются вокруг оси, идущей от верхнего левого угла в нижний правый, то существует обратная зависимость.
Корреляционно-регрессионный анализ предполагает установление аналитической формы связи (регрессионный анализ) и измерение тесноты, направления связи (корреляционный анализ).
Чаще всего для характеристики регрессии используют следующие типы функций.
Таблица 9.3 - Типы функций, используемых для характеристики регрессии, и методика их определения
Функция | Методика расчета |
Линейная регрессия | Yx=a0+a1X или Y1,2,3,…,n= a0+a1X1+a2X2+…+anXn |
Параболическая связь | Yx=a0+a1X+a2X2 или Y1,2,3,…n=a0+a1X12+a2X22+…+anXn2 |
Гиперболическая связь | ![]() ![]() |
Полулогарифмическая функция | Yx=a0+a1lgX |
Логистическая функция | ![]() |
Показательная функция | Yx=a0a1X
или
![]() |
Степенная функция | ![]() ![]() |
Оценка параметров уравнений регрессии (а0, а1, а2 ,…, ап) осуществляется методом наименьших квадратов. Метод заключается в минимизации суммы квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выбранному уравнению регрессии.
Каждый коэффициент регрессии показывает, на сколько в среднем изменится величина результативного признака в случае изменения факторного признака на единицу при фиксированном положении остальных факторов.
Значимость коэффициентов регрессии определяется с помощью t -критерия Стьюдента.
Расчет t -критерия Стьюдента
Адекватность корреляционно-регрессионной модели оценивается с помощью F-критерия Фишера.
Дата публикования: 2015-01-09; Прочитано: 1032 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!