МАРК РЕГНЕРУС ДОСЛІДЖЕННЯ: Наскільки відрізняються діти, які виросли в одностатевих союзах
РЕЗОЛЮЦІЯ: Громадського обговорення навчальної програми статевого виховання ЧОМУ ФОНД ОЛЕНИ ПІНЧУК І МОЗ УКРАЇНИ ПРОПАГУЮТЬ "СЕКСУАЛЬНІ УРОКИ" ЕКЗИСТЕНЦІЙНО-ПСИХОЛОГІЧНІ ОСНОВИ ПОРУШЕННЯ СТАТЕВОЇ ІДЕНТИЧНОСТІ ПІДЛІТКІВ Батьківський, громадянський рух в Україні закликає МОН зупинити тотальну сексуалізацію дітей і підлітків Відкрите звернення Міністру освіти й науки України - Гриневич Лілії Михайлівні Представництво українського жіноцтва в ООН: низький рівень культури спілкування в соціальних мережах Гендерна антидискримінаційна експертиза може зробити нас моральними рабами ЛІВИЙ МАРКСИЗМ У НОВИХ ПІДРУЧНИКАХ ДЛЯ ШКОЛЯРІВ ВІДКРИТА ЗАЯВА на підтримку позиції Ганни Турчинової та права кожної людини на свободу думки, світогляду та вираження поглядів Контакти
Тлумачний словник |
|
|||||||
Коефіцієнт кореляції ПірсонаКоефіцієнт кореляції Пірсона r, який є безрозмірним індексом в інтервалі від – 1,0 до 1,0 включно, відображає міру лінійної залежності між двома множинами даних. Показник тісноти зв'язку між двома ознаками визначається по формулі лінійного коефіцієнта кореляції: де x – значення факторної ознаки; y – значення результативної ознаки; n – число пар даних. Парна кореляція – це зв'язок між двома ознаками: результативним і факторним або двома факторними. Варіанти зв'язку, характеризує наявність або відсутність лінійного зв'язку між ознаками: Ø великі значення з одного набору даних пов'язані з великими значеннями іншого набору (позитивна кореляція) – наявність прямого лінійного зв'язку; Ø малі значення одного набору пов'язані з великими значеннями іншого (негативна кореляція) – наявність негативного лінійного зв'язку; Ø дані двох діапазонів ніяк не зв'язані (нульова кореляція) – відсутність лінійного зв'язку.
Як приклад візьмемо набір даних А (таблиця 8.1). Необхідно визначити наявність лінійного зв'язку між ознаками x і y. Для графічного представлення зв'язку два змінних використана система координат з осями, відповідними змінним x і y. Побудований графік, названий діаграмою розсіювання, показаний на рис. 8.2. Дана діаграма показує, що низькі значення змінної x відповідають низьким значенням змінної y, високі значення змінної x відповідають високим значенням змінної y. Цей приклад демонструє наявність явного зв'язку.
Рис. 8.2. Діаграма розсіювання
Таким чином, ми можемо встановити залежність між змінними x і y. Розрахуємо коефіцієнт кореляції Пірсона між двома масивами (x і y) за допомогою функції MS Excel ПИРСОН(массив1;массив2). В результаті отримаємо значення коефіцієнта кореляції, що дорівнює 0,998364, тобто зв'язок між змінними x і y є дуже високим. Використовуючи пакет аналізу MS Excel і інструмент аналізу "Корреляция", можемо побудувати кореляційну матрицю. Будь-яка залежність між змінними володіє двома важливими властивостями: величиною і надійністю. Чим сильніше залежність між двома змінними, тим більше величина залежності і тим легко передбачити значення однієї змінної за значенням іншої змінної. Величину залежності легко виміряти, чим надійність. Надійність залежності не менш важлива, чим її величина. Ця властивість пов'язана з показністю досліджуваної вибірки. Надійність залежності характеризує, наскільки імовірно, що ця залежність буде знову знайдена на інших даних. Із зростанням величини залежності змінних її надійність зазвичай зростає.
Читайте також:
|
||||||||
|