Содержание
- 2. Линейная зависимость от нескольких объясняющих переменных 2 Парные коэффициенты корреляции ryx(i) не учитывают влияние на эту
- 3. Частные (очищенные) коэффициенты корреляции 3 – частный коэффициент корреляции, коэффициент кор-реляции между переменными x(i) и x(j)
- 4. Численные примеры 4 n = 37 – число исследуемых предприятий легкой промышленности, x(0) ≡ y –
- 5. Численные примеры 5 n = 20 – число лет метеонаблюдений, x(0) ≡ y – урожайность кормовых
- 6. Множественный коэффициент корреляции 6 Множественный коэффициент корреляции – коэффициент корреляции между y и линейной функцией регрессии,
- 7. Множественный коэффициент корреляции 7 Свойства множественного коэффициента корреляции: 3. Вычисление МКК по частным коэффициентам корреляции: 4.
- 8. Проверка гипотезы о наличии множественной линейной связи 8 1. Выбираем уровень значимости α. Типичные значения α
- 9. Корреляционный анализ порядковых переменных 9 Типовые задачи: 1. Анализ структуры упорядочений. Точки разбросаны равномерно, нет согласованности
- 10. Ранговый коэффициент корреляции Спирмена 10 Базовая формула: Свойства коэффициента Спирмена: m(k) – число групп объединенных рангов,
- 11. Численные примеры 11 10 инвестиционных проектов, проранжированных 2 экспертами. Пример 1: 10 стран, проранжированных по уровню
- 12. Ранговый коэффициент корреляции Кендалла 12 Базовая формула: Свойства коэффициента Кендалла: минимальное число обменов со-седних элементов переменной
- 13. Ранговый коэффициент корреляции Кендалла 13 Формула для случая объединенных рангов: Пример 1: Пример 2:
- 14. Проверка гипотезы о наличии связи между порядковыми переменными 14 Связь есть, если или 0,915 > СТЬЮДРАСПОБР
- 15. Связь между несколькими порядковыми переменными 15 Коэффициент конкордации: n – число объектов, m – число переменных,
- 16. Численный пример 16 Ранжировка 10 инвестиционных проектов, осуществленная 3 экспертами. 2 2 2 2 2 4
- 17. Проверка гипотезы о наличии связи между несколькими порядковыми переменными 17 Связь есть, если Пример 1: 22,35
- 18. Корреляционный анализ категоризованных переменных 18 x(1), x(2) – категоризованные переменные (переменные, описываемые конечным числом состояний). ##
- 19. Случаи тесной связи и независимости переменных 19 ## x(1) – пол (муж/жен), x(2) – уровень зарплаты
- 20. Квадратичная сопряженность –характеристика тесноты связи 20 Квадратичная сопряженность: два способа расчета: Проверка гипотезы о наличии связи:
- 21. Численный пример 21 Зависимость оплаты труда (низкая; средняя; высокая) от образования (неполное среднее; среднее; среднее специальное;
- 23. Скачать презентацию