Выбор коэффициента корреляции в зависимости от шкалы измерения
Математической статистикой разработаны коэффициенты, позволяющие оценивать связи между переменными, измеренными в различных шкалах. Шкала наименований Для переменных (X и Y), измеренных в дихотомической шкале, используется коэффициент ассоциации Пирсона (φ). К. Пирсон – выдающийся английский философ, математик и биолог. Он считается основателем математической статистики и биометрии (совместно с Ф. Гальтоном). Созданный К. Пирсоном коэффициент может рассчитываться разными способами (один из которых выступает в подготовке таблицы 2 на 2 поля, т.е. две переменные, каждая из которых принимает только два состояния), поэтому для его обозначения используется и другой термин «коэффициент сопряженности».
Условия применения коэффициента ассоциации φ: – переменные X и Y представлены в дихотомической шкале (0 и 1); – переменные X и Y имеют одинаковое число наблюдений; – для определения уровней достоверности эмпирического значения φ отсутствуют специальные таблицы, поэтому он рассчитывается по формуле:
– при оценке уровня достоверности коэффициента ассоциации φ используются таблицы критических значения для t-критерия Стьюдента (для числа степеней свободы: n – 2). Следует отметить, что относительно понимания дихотомической шкалы между специалистами существуют разногласия. Некоторые (к примеру, В.Н. Дружинин) считает ее редуцированной интервальной шкалой, другие (Дж. Глас, Дж. Стенли, Е.Е. Сидоренко и др.) относят к номинативным шкалам. Однако при наличии разногласий в понимании сущности данной шкалы для проведения корреляционного анализа подобных признаков обращаются именно к коэффициенту ассоциации. В случае, если две номинативные переменные принимают более чем два значения, то используется модифицированная версия коэффициента ассоциации – коэффициент корреляции Крамера (v). Числовые значения данного коэффициента имеют диапазон от 0 (отсутствие связи) до 1 (полная связь). Поэтому интерпретация данного коэффициента имеет свою специфику, а именно: он показывает только тесноту связи, но не указывает ее направление. Шкала порядка Для переменных, измеренных в ранговой шкале, используется два коэффициента корреляции: коэффициент корреляции Спирмена (rs) и коэффициент корреляции Кендалла (τ, читается «тау»). Ч. Спирмен – выдающийся английский психолог, разработавший множество методов математической статистики (в том числе и факторный анализ), М. Кендалл – известный английский статистик. Коэффициент корреляции Спирмена rs и его условия: – переменные X и Y представлены в ранговой шкале (иногда этот коэффициент так и называется – коэффициент ранговой корреляции); – параметры нормальности распределения не учитываются; – переменные X и Y имеют одинаковое число наблюдений; – объем выборки ограничен от n = 5 до n = 40; – при оценке уровня достоверности коэффициента корреляции rs используются специальные таблицы критических значений для rs Спирмена (со степенями свободы n – 2). Если измеренные значения переменных превышают 40 наблюдений, то можно обратиться к таблице критических значений коэффициента корреляции Пирсона. Более простым в расчете считается коэффициент корреляции Кендалла. Этот анализ основан на попарном сравнении между собой наблюдений. Поэтому эта простота относится только к маленьким выборкам, т.к. чем большее число значений переменной, тем большее количество пар надо перебрать. Коэффициент корреляции Кендалла τ и условия его применения: – переменные X и Y представлены в порядковой шкале; – параметры нормальности распределения не учитываются; – переменные X и Y имеют одинаковое число наблюдений; – использование одинаковых рангов не допускается; – для оценки уровня достоверности коэффициента корреляции Кендалла специальные таблицы отсутствуют. Поэтому критические значения рассчитываются по вышеописанной формуле Тф, а для их определения используются таблицы критических значения t-критерия Стьюдента (со степенями свободы n – 1). По сравнению с коэффициентом Спирмена коэффициент Кендалла более точен к определению ρ-уровня. Шкалы интервалов и отношений Для установления связи между метрическими переменными применяется коэффициент корреляции Пирсона (r). Условия применения коэффициента корреляции Пирсона r: – переменные X и Y представлены либо в интервальной шкале, либо в шкале отношений; – распределение значений обеих переменных приближается к нормальному; – переменные X и Y имеют одинаковое число наблюдений; – объем выборки ограничен от n = 5 до n = 100; – при оценке уровня достоверности коэффициента корреляции r используются специальные таблицы критических значений для r Пирсона (со степенями свободы n – 2). Кроме вышеперечисленных особенностей применения коэффициента корреляции Пирсона, он, как параметрический критерий, оказывается довольно чувствительным к «выбросам» крайних значений переменных. Поэтому при наличии экстремальных значений измеренного признака даже при нормальном распределении лучше понизить мощность шкалы и использовать коэффициент ранговой корреляции Спирмена.
Популярное: Почему люди поддаются рекламе?: Только не надо искать ответы в качестве или количестве рекламы... Как вы ведете себя при стрессе?: Вы можете самостоятельно управлять стрессом! Каждый из нас имеет право и возможность уменьшить его воздействие на нас... Модели организации как закрытой, открытой, частично открытой системы: Закрытая система имеет жесткие фиксированные границы, ее действия относительно независимы... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (2696)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |