ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 17.11.2021
Просмотров: 3514
Скачиваний: 4
Глава
13
Частные корреляции
Процедура Частные корреляции вычисляет частные коэффициенты корреляции
,
которые
описывают линейную связь между двумя переменными при устранении влияния одной или
нескольких дополнительных переменных
.
Корреляции
—
это меры линейной связи
.
Две
переменные могут иметь
“
полную
”
связь
,
однако если эта связь нелинейна
,
коэффициент
корреляции не является подходящей статистикой для ее измерения
.
Пример.
Есть ли взаимосвязь между финансированием здравоохранения и уровнем
заболеваемости
?
Хотя вы можете ожидать
,
что такая связь будет отрицательной
,
проведенное исследование показывает наличие значимой
положительной
корреляции
:
по
мере увеличения финансирования здравоохранения увеличивается уровень заболеваемости
.
Фиксация уровня посещаемости медицинских учреждений
,
однако
,
устраняет эту
наблюдаемую положительную корреляцию
.
Финансирование здравоохранения и уровень
заболеваемости только кажутся положительно взаимосвязанными
,
поскольку при
увеличении финансирования больше людей получают доступ к услугам здравоохранения
,
что приводит к выявлению большего числа случаев заболеваний
.
Статистики.
Для каждой переменной
:
число наблюдений без пропущенных значений
,
среднее значение и стандартное отклонение
.
Матрицы корреляций и частных корреляций
со степенями свободы и уровнями значимости
.
Данные.
Используйте симметричные количественные переменные
.
Предположения.
Процедура Частные корреляции предполагает
,
что каждая пара
переменных соответствует двумерному нормальному распределению
.
Как запустить процедуру Частные корреляции
E
Выберите в меню
:
Анализ > Корреляции > Частные...
© Copyright IBM Corporation 1989, 2011.
82
83
Частные корреляции
Рисунок 13-1
Диалоговое окно процедуры “Частные корреляции”
E
Выберите две или более числовые переменные
,
для которых будут вычисляться частные
корреляции
.
E
Выберите одну или несколько числовых переменных
,
влияние которых устраняется
(
Исключаемые
).
Доступны также следующие параметры
:
Критерий значимости.
Вы можете выбрать двухсторонний или односторонний
критерий
.
Если направление связи известно заранее
,
выберите
Односторонний
.
В
противном случае выберите
Двухсторонний
.
Выводить истинный уровень значимости.
По умолчанию для каждого коэффициента
корреляции выводятся вероятность и число степеней свободы
.
Если Вы снимите
пометку с этого элемента
,
коэффициенты корреляции
,
значимые на уровне
0.05,
будут
обозначаться одной звездочкой
,
а значимые на уровне
0.01 —
двумя звездочками
.
При этом числа степеней свободы не выводятся
.
Данная установка относится как к
частным корреляциям
,
так и к корреляциям нулевого порядка
(
т
.
е
.
обычным парным
корреляциям
).
84
Глава 13
Параметры процедуры Частные корреляции
Рисунок 13-2
Диалоговое окно Частные корреляции: Параметры
Статистики.
Вы можете выбрать один или оба из следующих пунктов
:
Средние значения и стандартные отклонения.
Выводятся для каждой переменной
.
Выводится также число наблюдений без пропущенных значений
.
Корреляции нулевого порядка.
Выводится матрица простых корреляций между всеми
переменными
,
в том числе и теми
,
влияние которых будет устраняться
.
Пропущенные значения.
Вы можете выбрать одну из следующих альтернатив
:
Исключать целиком.
Наблюдения с пропущенными значениями любой переменной
,
в том числе и переменной
,
влияние которой устраняется
,
исключаются из всех
вычислений
.
Исключать попарно.
Для вычисления корреляций нулевого порядка
,
на которых
основывается вычисление частных корреляций
,
не будут использоваться наблюдения
с пропущенными значениями для одной или обеих переменных пары
.
Попарное
исключение использует данные в максимально возможной степени
.
Однако
,
в этом
случае число используемых наблюдений может изменяться от одного коэффициента к
другому
.
Когда задано попарное исключение
,
число степеней свободы для конкретного
частного коэффициента основывается на наименьшем числе наблюдений
,
используемых
при вычислении любой из корреляций нулевого порядка
.
Команда PARTIAL CORR: дополнительные возможности
Язык синтаксиса команд также позволяет
:
Считывать корреляционные матрицы нулевого порядка и записывать матрицы частных
корреляций
(
при помощи подкоманды
MATRIX
).
Рассчитывать частные корреляции для переменных в двух списках
(
при помощи
ключевого слова
WITH
в подкоманде
VARIABLES
).
Анализировать несколько наборов переменных
(
при помощи нескольких подкоманд
VARIABLES
).
85
Частные корреляции
Задавать порядок рассчитываемых корреляций
(
например частные корреляции первого
и второго порядка
),
если имеется две контрольные переменные
, (
при помощи
подкоманды
VARIABLES
).
Выводить частные корреляции в компактном формате
(
при помощи подкоманды
FORMAT
).
Выводить матрицу простых корреляций
,
если некоторые коэффициенты не могут быть
рассчитаны
(
при помощи подкоманды
STATISTICS
).
Полную информацию о синтаксисе языка команд можно найти в
Руководстве по
синтаксису
.
Глава
14
Расстояния
Эта процедура вычисляет любую статистику из широкого набора статистик
,
измеряющих
либо сходства
,
либо различия
(
расстояния
),
причем либо между парами переменных
,
либо между парами наблюдений
.
Эти меры сходства или расстояния могут быть затем
использованы в других процедурах
,
таких как факторный анализ
,
кластерный анализ
или многомерное шкалирование
,
для того чтобы помочь анализировать сложные наборы
данных
.
Пример.
Можно ли измерить сходство между парами автомобилей
,
основываясь на
определенных характеристиках
,
таких как объем двигателя
,
расход топлива и мощность
?
Вычислив величины сходства между автомобилями
,
Вы можете получить представление о
том
,
какие автомобили похожи
,
а какие различаются
.
Для более формального анализа к
величинам сходства можно применить иерархический кластерный анализ или многомерное
шкалирование для того
,
чтобы исследовать скрытую структуру данных
.
Статистики.
Меры различия
(
расстояния
)
для интервальных данных
:
расстояние
Евклида
,
квадрат расстояния Евклида
,
метрики Чебышева
,
блок
,
Минковского
,
а также
задаваемые пользователем
.
Для частот
:
хи
-
квадрат и фи
-
квадрат
.
Для бинарных данных
:
расстояние Евклида
,
квадрат расстояния Евклида
,
различие размеров
,
различие структур
,
дисперсия
,
форма
,
Ланс и Вильямс
.
Мерами сходства для интервальных данных являются
:
коэффициент корреляции Пирсона и косинус
.
Для бинарных данных
:
Рассел и Рао
,
простая
мера совпадений
,
Жаккар
,
дайс
,
Роджерс и Танимото
,
Сокал и Сниат
1,
Сокал и Сниат
2,
Сокал и Сниат
3,
Кульчинский
1,
Кульчинский
2,
Сокал и Сниат
4,
Хаманн
,
Лямбда
,
D
Андерберга
,
Y
Юла
,
Q
Юла
,
Очиай
,
Сокал и Сниат
5,
четырехточечная корреляция фи
,
разброс
.
Как получить матрицы расстояний
E
Выберите в меню
:
Анализ > Корреляции > Расстояния...
© Copyright IBM Corporation 1989, 2011.
86