- •Основы корреляционного анализа при комплексной оценке здоровья населения
- •2015 Г.
- •Использование коэффициентов корреляции в практической деятельности врача
- •Оценка статистических связей по коэффициентам корреляции
- •Ранговый метод Спирмена
- •Этапы вычисления рангового коэффициента корреляции Спирмена
- •Исходные данные и вычисленные параметры для определения коэффициента ранговой корреляции Спирмена
- •Коэффициент корреляции рангов Кендэла
- •Алгоритм вычисления коэффициента Кендэла
- •Исходные данные и параметры для расчета коэффициента корреляции рангов Кендэла
- •Коэффициенты ассоциации и сопряженности (контингенции)
- •Коэффициент корреляции Пирсона
- •Исходные данные и параметры расчета коэффициента линейной корреляции
- •Порядок вычисления
- •Регрессионный анализ
- •Вычисление коэффициентов регрессии
- •Измерение связи между признаками с помощью корреляционной решетки
- •Ситуационные задачи
- •Тестовые задания
- •Эталон ответов на тестовые задания
- •Вопросы для самоподготовки
- •Литература
Регрессионный анализ
Иногда при анализе корреляционных связей важно установить, как количественно меняется один признак по мере изменения другого на единицу. В этих случаях регрессионный анализ осуществляется на основании вычисления и оценки коэффициентов регрессии (R). Поскольку изменчивых величин две (x и y) и регрессия является двусторонней, то соответственно будут и два коэффициента Rxy и Ryx , которые вычисляются по формулам:
Rx/y = rxy и Ry/x = rxy.
Как видно, для определения значения коэффициента регрессии необходимо вычислить среднее квадратическое отклонение, т.е. знать: сигму ряда x (); сигму рядаy () ; величину коэффициента линейной корреляции (rxy) .
Образец решения задачи
Вычисление коэффициентов регрессии
Девочки 5 лет |
Отклонения от М |
Квадраты отклонений |
dxdy | |||
Рост, см x |
Масса тела, кг y |
dx= x-Mx |
dy= y-My |
dx2 |
dy2 | |
87 89 91 91 95 96 96 97 102 |
13 12 14 14 16 15 17 18 20 |
-6,8 -4,8 -2,8 -2,8 1,2 2,2 2,2 3,2 8,2 |
-2,4 -3,4 -1,4 -1,4 0,6 -0,4 1,6 2,6 4,6 |
46,24 23,04 7,84 7,94 1,44 4,84 4,84 10,24 67,24 |
5,76 11,56 1,96 1,96 0,36 0,16 2,56 6,76 21,16 |
16,32 16,31 3,92 3,92 0,72 -0,88 3,52 8,32 37,72 |
∑x= 844 Мx= 93,77 см |
∑y= 139 Мy = 15,44 кг |
|
|
∑dx2 = 173,56 |
∑dy2 = 52,24 |
∑= 90,76 |
n= 9 |
|
|
|
|
|
Расчет средних величин Мx и Мy проводят по общепринятой формуле (M = ), а отклонений – по формулеd =M-V. Полученные данные (из таблицы задачи) подставляют в формулу:
rxy=
Далее определяют среднюю ошибку коэффициента и критерий t :
mr=
t=0,95.
По таблице значений t-критерия при p <0,005 и числе степеней свободы 7 доверительный критерий должен быть равен 2,37, а при решении данной задачи получен большее значение. Следовательно, нулевая гипотеза отвергается, т.е. связь между ростом и массой тела сильная, прямая, достоверная.
Величины коэффициентов регрессии в этой задаче могут быть вычислены и без определения средних квадратических отклонений и коэффициента линейной корреляции (rxy) по формулам:
Rx/y=
Ry/x=
Для оценки репрезентативности данных, полученных в результате выборочных исследований, необходимо сначала определить сначала ошибку для коэффициента регрессии по формуле:
m Rx/y=
Степень представительности устанавливается по t-критерию при n= - 2 и уровне значимости 0,05:
txy=
Поскольку полученное значение t равно 2,54, т.е. превышает критическую величину 2,365 при p<0,005 (определяемую по специальной таблице) и числе степеней свободы, равному 7 (n=9–2=7), выборка признается репрезентативной. Это дает основание считать, что увеличение роста на 1 см приводит к увеличению массы тела на 1,74 кг у девочек в возрасте 5 лет. Коэффициент регрессии, равный 0,523 см, говорит о том, что увеличение массы тела на 1 кг происходит при увеличении роста на 0,523 см.
Коэффициент регрессии характеризует только линейную зависимость и имеет знак «плюс» при положительной или знак «минус» - при отрицательной связи.
В медицинской практике регрессионный анализ находит применение в случае, когда надо оценить количественное изменение одного показателя по мере изменения количественной характеристики другого, в то время как коэффициент корреляции служит общим критерием оценки сопряженности признаков.
Между коэффициентами корреляции и регрессии имеется определенная связь, выражающаяся формулой:
r=
Зная коэффициенты регрессии, можно легко определить коэффициенты корреляции:
r=.