Корреляционный и регрессионный анализ. Каждый анализ требует свои формы представления данных

Каждый анализ требует свои формы представления данных.

Корреляционный и регрессионный анализ – в структурах данных выделяет одну или несколько зависимых переменных, а остальные воспринимаются, как независимые.

Выделяют, как зависимые так и не зависимые переменные. Решают по основе теоретического анализа. Данные представляют в общем виде, в виде некоторой таблицы.

….. …….

У - зависимая переменная

Х - независимая переменная

Следующий шаг анализа, состоит в том, чтобы вычислить вид неопределенности: это означает, что для каждой переменной должна быть указана своя модель. Одна или несколько переменных должны иметь вероятные модели.

Принято различать силу связи между переменными и форму связи.

Если речь идет об оценке силы связи, то поскольку переменные имеют вероятный характер (являются случайными величинами), то для оценки силы связи используют корреляционный момент или эффект корреляции.

- среднее арифметическое значение коэффициента корреляции не больше 1.

0,9 и выше – сильная линейная корреляционная связь.

0,7 – слабая связь.

0,2-0,5 – очень слабая связь.

Чтобы оценить силу связи между переменными мы используем корреляционные переменные. В совокупности образует корреляционную матрицу . Анализ корреляционной матрицы, расчет коэффициентов составляет основную часть корреляционного анализа, а сама корреляционная матрица представляет формы исходных данных: факторный анализ, анализ классов.