Корреляционный анализ

Взаимная связь (взаимная зависимость) двух при­знаков при их изменчивости, т. е. сопряженность их вариации, называется корреляцией. Корреляция имеет место в тех случаях, когда признаки из­меняются не автономно, а согласованно. Если с уве­личением одного признака происходит со­ответствующее уве­личение другого, говорят о положительной корреляции, и коэффициент корреляции имеет в этом случае положительный знак (+). Если же по мере увеличения первого признака второй уменьшается, то это отрицательная корреляция, коэффициент корреляции пишется со знаком минус (−). Полная положительная корреляция выражается единицей r = 1, пол­ная отрицательная r = −1. В природе такая ситуация встречается редко, и степень связи выражается той или иной долей единицы. При этом о тесной (сильной) корреляции обычно говорят в тех случаях, когда коэффициент корреляции не ниже ±0.6; значения ниже ±0.6 указывают на среднюю связь, а ниже ±0.3 – на слабую.

Коэффициент корреляции призван численно выражать долю сопряженной вариации двух признаков в общей их вариации:

,

где Cxy – характеристика сопряженной изменчивости признаков,

Cx, Cy – характеристика общей изменчивости признаков.

При большом количестве данных коэффициент корреляции имеет смысл вычислять на компьютере (например, с помощью функции КОРРЕЛ в среде программы Excel), но для небольших выборок его можно быстро найти и при ручном счете. Рабочая формула для расчетов имеет вид:

.

Способ вычисления коэффициента корреляции показан в таблице 13 на примере зависимости меж­ду живым весом коров (х) и их приплода (у, кг). По таблице рас­считываются квадраты вариант и их произведения, а также суммы вариант, квадратов и произведений. Вычисления ведут­ся по точным рабочим формулам.

Таблица 13

Проведем последовательные расчеты. Сначала определим вспомогательные величины:

Cxy = Σ(x ∙ y)−(Σ x)∙(Σ y) / n = 103144 − 3150 ∙ 224 / 7 = 2344,

Cy = Σ y ² − (Σ y)² / n = 7330 − 224² / 7 = 162,

Cx = Σ x ² − (Σ x)² / n = 1453158 − 3150² / 7 = 35658;

затем – коэффициент корреляции:

= 0.975.

Далее найдем его ошибку:

,

и, наконец, критерий t Стьюдента для проверки значимости коэффициентов:

t_r = r / m_r = 0.975 / 0.099 = 9.84.

Нулевая гипотеза предполагает отсутствие связи: «коэффициент корреляции значимо от нуля не отличается», r = 0. В нашем примере для уровня значимости α = 0.05 и числа степеней свободы df = n − 2 = 5 находим табличное значение критерия Стьюдента t _{(0.05, 5)} = 2.57. Полученная величина (9.84) значительно превышает табличную (2.57), что говорит о высокой статистической значимости коэффициента корреляции, о достоверности его отличия от нуля. Признаки положительно коррелируют, масса тела теленка действительно возрастает вслед за ростом массы тела коровы.

Выборный коэффициент корреляции в той или иной степени соответствует генеральному параметру. Определить диапазон, где лежит генеральное значение, можно с помощью доверительного интервала, хотя его нельзя построить непосредственно по формуле r ± t _{( α , df )} ∙ m_r. Дело в том, что область изменений коэффициента ограничена рамками ±1, поэтому распределение выборочных коэффициентов корреляции в общем не соответствует нормальному (с диапазоном изменчивости ±∞). Поэтому перед расчетом коэффициент корреляции преобразуют в величину z, имеющую нормальное распределение, и уже для нее отыскивают границы доверительного интервала, после чего выполняют обратное преобразование.

Доверительный интервал для нашего случая (r = 0.975, α = 0.05, п = 7, df = п − 2 = 5, t _(0.05,5) = 2.57) рассчитывается так. Преобразуем r:

= 2.184

или берем его более точное значение из таблицы 13 П, тогда z = 2.0923.

Определяем ошибку = 0.5.

Находим верхнюю границу: _max z = z + t _{( α , df )} ∙ m_z = 2.09+2.57∙0.5 = 3.375 и нижнюю границу: _min z = z − t _{( α , df )} ∙ m_z = 2.09−2.57∙0.5 = 0.805.

Обратное преобразование (по табл. 14 П) дает: _max r ≈ 1.00, _min r ≈ 0.67. Истинное значение коэффициента корреляции находится в диапазоне от 0.67 до 1.00.