Читать «Теория статистики: конспект лекций» онлайн - страница 64

Множественный коэффициент корреляции, характеризует степень линейной зависимости между величиной х₁ и остальными переменными (х₂ , х₃ ), входящими в модель, изменяется в пределах от 0 до 1.

Ординальная (порядковая) переменная помогает упорядочивать статистически исследованные объекты по степени проявления в них анализируемого свойства.

Ранговая корреляция – статистическая связь между порядковыми переменными (измерение статистической связи между двумя или несколькими ранжировками одного и того же конечного множества объектов О₁ О₂ ,…, О_п .

Ранжировка – это расположение объектов в порядке убывания степени проявления в них k– го изучаемого свойства. В этом случае x^(k) называют рангом i – го объекта по k – му признаку. Раж характеризует порядковое место, которое занимает объект О_i в ряду п объектов.

К. Спирмен в 1904г предложил показатель, который служил для измерения степени тесноты связи между ранжировками

х₁^(k),x₂^(k),..,x_n^(k)   и   х₁⁽ⁱ⁾,x₂⁽ⁱ⁾,..,x_n⁽ⁱ⁾    

В последствии данный коэффициент был назван ранговым коэффициентом К. Спирмен:

2. Методы регрессионного анализа

Термин «регрессия» ввел английский психолог и антрополог Ф.Гальтон.

Для точного описания уравнения регрессии необходимо знать закон распределения результативного показателя у. В статистической практике обычно приходится ограничиваться поиском подходящих аппроксимаций для неизвестной истинной функции регрессии Д(х), так как исследователь не располагает точным знанием условного закона распределения вероятностей анализируемого результатирующего показателя у при заданных значениях аргумента х.

Рассмотрим взаимоотношение между истинной f(х) = М(у/х). модельной регрессией у и оценкой у регрессии. Пусть результа–тив–ный показатель у связан с аргументом х соотношением:

у=2х^1,5 +ε_i, 

где E_i – случайная величина, имеющая нормальный закон распределения, причем M_ε = 0 и d_ε – δ².

 Истинная функция регрессии в этом случае имеет вид:

f(х) = М(у/х) = 2х₁^1,5 1,5+ε_i

Для наилучшего восстановления по исходным статистическим данным условного значения результативного показателя f(х) и неизвестной функции регрессии /(х) = М(у/х) наиболее часто используют следующие критерии адекватности (функции потерь).

Согласно методу наименьших квадратов минимизируется квадрат отклонения наблюдаемых значений результативного показателя yi(i= 1, 2, ..., п) от модельных значений yi = f(хi), где хi значение вектора аргументов в i – м наблюдении:

Σ(yi – f(хi)2 → min,

Получаемая регрессия называется среднеквадратической.

Согласно методу наименьших модулей, минимизируется сумма абсолютных отклонений наблюдаемых значений результативного показателя от модульных значений:

y_i = f (х_i)

И получаем среднеабсолютную медианнуюрегрессию:

Регрессионный анализ – это метод статистического анализа зависимости случайной величины у от переменных х_j-(j=1, 2, ...,k), рассматриваемых в регрессионном анализе как неслучайные величины, независимо от истинного закона распределения х_j.