2.5 Графический метод (построение поля корреляции)

Для построения двухмерного корреляционного поля используем данные приложения 2А, выберем Graphs2D GraphsScatterplots (см. лабораторная 1). Деле выберем кнопку Variables (переменные) в появившемся окне Select Variables for Scatterplot (Выделение переменных для корреляционного поля) укажем переменные которые будет располагаться по оси OY и OX.

Рисунок 2.10 – Двухмерное корреляционное поле

Согласно приведенному графику, с ростом значений Y наблюдается рост значений X, т.е. имеем прямую взаимосвязь между признаками.

2.6 Расчет коэффициента ранговой корреляции Спирмена и Кендала

Опираясь на данные, приведенные в приложении Г, рассчитаем значения коэффициентов ранговой корреляции.

Шаг 1. Образуем, дополнительные переменные Y2 и X2, в которые переносим значения с первого и второго столбца (Y и X). Сделать это можно двумя способами: во-первых, скопировав данные с помощью команд Copy (Копировать) и Paste (Вставить). Во-вторых, воспользоваться полем Long Name: окна настройки параметров переменных и ввести – для Y2 - =v1, для X2 - =v2.

Шаг 2. Так как ранговые коэффициенты строятся на основе ранжированных значений необходимо провести ранжирование имеющейся совокупности. Для этого в главном меню выберем DateRankVariables (ДанныеРангПеременные) в окне Rank Order Values (Ранжирование совокупности).

Рисунок 2.11 – Окно установок процедуры ранжирования

где: Assign rank 1 to – присвоить ранг 1

smallest value – наименьшему значению

largest value – наибольшему значению

Ranks for ties –

mean – среднее

low – нижнее

high – верхнее

sequential –

Type of rank – Тип рангов

regular – простой

fractional –

fractional as % -

Шаг 3. В главном меню наберем StatisticsNonparametrics Correlations (Spearman, Kendall tau, gamma) (Вычисления  Непараметрические  Корреляция). В появившемся окне выберем закладку Advanced (Расширенные) что позволит рассчитать три коэффициента: корреляцию Спирмена R, статистику Тay Кендалла и статистику Гамма.

Шаг 3. Выберем переменную, по которой необходимо провести расчет, для этого нажмем кнопку Variables (в качестве переменных выберем Y2 и X2). Соответственно переменная Y2 будет выведена первой (List 1), а переменная X2 будет указана второй (List 2).

Рисунок 2.12 – Окно выбора расчета непараметрических показателей корреляции

Шаг 4. Рассчитаем ранговый коэффициент корреляции Спирмена, для этого выберем кнопки Spearman R (коэффициент Спирмена), получим следующие результаты.

Таблица 2.3 – Результаты оценивания значения коэффициента Спирмена

	Valid N	Spearman R	t(N-2)	p-level
Y2 & X2	25	0,978	22,314	0,000

Согласно данным, приведенным в таблице 2.3, коэффициент Спирмена получен равным 0,978, т.е. наблюдается прямая сильная корреляционная взаимосвязь между Y и X.