4. Количественное изменение тесноты связи признака-функции и признаков-факторов методом парной корреляции

4.1 Определение корреляции

Важнейшей целью статистики является изучение объективно существующих связей между явлениями. В ходе статистического исследования этих связей необходимо выявить причинно-следственные зависимости между показателями, т.е. насколько изменение одних показателей зависит от изменения других показателей.

Существует две категории зависимостей (функциональная и корреляционная) и две группы признаков: признаки, обуславливающие изменения других, связанных с ними признаков - факторные и признаки, изменяющиеся под действием факторных признаков (результативными). В отличие от функциональной связи, где существует полное соответствие между факторными и результативными признаками, в корреляционной связи отсутствует это полное соответствие.

Корреляционная связь (которую также называют неполной, или статистической) проявляется в среднем, для массовых наблюдений, когда заданным значениям зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной. Объяснение тому – сложность взаимосвязей между анализируемыми факторами, на взаимодействие которых влияют неучтенные случайные величины. Поэтому связь между признаками проявляется лишь в среднем, в массе случаев. При корреляционной связи каждому значению аргумента соответствуют случайно распределенные в некотором интервале значения функции.

В корреляционных связях между изменением фактор­ного и результативного признака нет полного соответствия. Одновременное воз­действие на изучаемый признак большого количества самых разнообразных факторов приводит к тому, что одному и тому же значению признака-фактора соответствует целое распределение значений результативного признака, поскольку в каждом конкрет­ном случае прочие факторные признаки могут изменять силу и направленность своего воздействия

При сравнении функциональных и корреляционных зависи­мостей следует иметь в виду, что при наличии функциональной зависимости между признаками можно, зная величину факторного признака, точно определить величину результативного признака. При наличии же корреляционной зависимости устанавливается лишь тенденция изменения результативного признака при изме­нении величины факторного признака. В отличие от жесткости функциональной связи, корреляционные связи характеризуются множеством причин и следствий, и устанавливаются лишь их тен­денции.

Корреляция — этостатистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом, изменения одной или нескольких из этих величин приводят к систематическому изменению другой или других величин. Математической мерой корреляции двух случайных величин служит коэффициент корреляции.

Корреляционное поле и корреляционная таблица являются исходными данными при корреляционном анализе. Пусть , , – результаты парных наблюдений над случайными величинами Х и Y. Изображая полученные результаты в виде точек в декартовой системе координат, получим корреляционное поле. По характеру расположения точек поля можно составить предварительное представление о форме зависимости случайных величин (например, о том, что одна из них в среднем возрастает или убывает с возрастанием другой).

Корреляционный анализ — метод обработки статистическихданных, с помощью которого измеряется теснота связи между двумя или более переменными. Корреляционный анализ тесно связан срегрессионным анализом, с его помощью определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям (используякоэффициент детерминации)

Эмпирический коэффициент детерминации широко используется в задачах статистики и является показателем, который представляет долю межгруппопой дисперсии в общей дисперсии результативного признака и характеризует силу влияния группировочного признака на образование общей вариации. Он может быть рассчитан по формуле:

(4.1.1)

Данный коэффициент показывает долю вариации результативного признака у под влиянием фактора х. При отсутствии связи эмпирический коэффициент детерминации равен нулю, а при функциональной сильной связи — единице.

Корреляционный анализ имеет своей задачей определение тесноты связи между признаками (при парной связи) и между результативным и множеством факторных признаков (при многофакторной). По силеразличаются сильные и слабые связи, либо полное их отсутствие. Относительно своейаналитической формысвязи бывают линейными и нелинейными.Степень, сила или теснота корреляционной связи определяется по величине коэффициента корреляции.

_(4.2.2)

r изменяется в пределах от -1 до 1.

В данном случае это линейный коэффициент корреляции, он показывает линейную взаимосвязь между x₁и x₂: r равен 1 (или -1), если связь линейна.

Связь считают сильной (тесной), средней если 0,5<r<0,69 , умеренной тесноты при 0,3<r<0,49 , слабой при 0,2<r<0,29 и очень слабой приr<0,19.

Частный коэффициент корреляции (partial correlation coefficient) — это мера зависимости между двумя переменными при фиксированных (исключенных) или скорректированных эффектах одной или нескольких переменных.

Множественная корреляция занимается изучением, измерением связи между результативным признаком и двумя и более факторными.

Парная корреляция — это связь между двумя показателями, один из которых является факторным, а другой — результативным.

В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления, а также характеристике силы и формы влияния одних факторов на другие. Для ее решения применяются две группы методов, одна из которых включает в себя методы корреляционного анализа, а другая—регрессионный анализ. В то же время, ряд исследователей объединяет эти методы в корреляционно-регрессионный анализ, что имеет под собой некоторые основания: наличие целого ряда общих вычислительных процедур, взаимодополнения при интерпретации результатов.

С помощью корреляционно-регрессионного анализа определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям, используя коэффициент детерминации.

Поэтому в данном контексте можно говорить о корреляционном анализе в широком смысле, когда всесторонне характеризуется взаимосвязь. В то же время выделяют корреляционный анализ в узком смысле, когда исследуется сила связи и регрессионный анализ, в ходе которого оценивается ее форма и воздействие одних факторов на другие.