Корреляционный анализ
Выполнение корреляционного анализа покажем на примере результатов измерения массы (Y) и длины туловища (X) подопытных животных. Исходные данные представлены в таблице 6.1 (в табличном редактореMS Excelданные представлены двумя столбцами).
Шаг 1.Откройте модульАнализ данных, выберите опциюКорреляция, после чего щелкните мышкойOK.
Шаг 2.В появившемся окне выполните операции и установки, как показано на рисунке 6.1.
Шаг 3.Щелкнете мышкойOK. Результат обработки появится в указанном поле (выходной интервал $Е$1, таблица 6.2).
Таблица 6.1 – Исходные данные
|
X |
Y |
X |
Y |
X |
Y |
|
3,4 |
14,3 |
8,4 |
19,8 |
10,7 |
21,3 |
|
3,6 |
14,9 |
8,5 |
19,9 |
11,6 |
21,3 |
|
4,5 |
17,3 |
8,8 |
19,9 |
12 |
21,8 |
|
4,8 |
17,3 |
8,9 |
20,1 |
12,3 |
22 |
|
4,9 |
17,4 |
8,9 |
20,1 |
12,6 |
22,1 |
|
5,2 |
17,5 |
8,9 |
20,1 |
12,7 |
22,4 |
|
5,4 |
17,6 |
8,9 |
20,1 |
13,3 |
22,7 |
|
5,7 |
17,6 |
9 |
20,2 |
13,6 |
23,5 |
|
6,2 |
17,6 |
9 |
20,3 |
13,8 |
24,2 |
|
6,7 |
17,8 |
9,1 |
20,3 |
14 |
24,4 |
|
7,1 |
18 |
9,3 |
20,5 |
15 |
25,2 |
|
7,5 |
18 |
9,4 |
20,6 |
15,2 |
25,2 |
|
7,7 |
18,1 |
9,7 |
20,9 |
15,8 |
25,3 |
|
7,8 |
18,1 |
9,7 |
21 |
15,9 |
25,7 |
|
7,9 |
18,6 |
9,9 |
21,1 |
16,6 |
26,8 |
|
8 |
19,7 |
10,1 |
21,1 |
17,1 |
27,5 |
Рисунок 6.1 – Стартовая панель
Таблица 6.2 – Результат обработки
|
|
X |
Y |
|
X |
1 |
0,98 |
|
Y |
0,98 |
1 |
Регрессионный анализ
Для выполнения регрессионного анализа использовались исходные данные таблицы 6.1.
Шаг 1.Откройте модульАнализ данных и выберите опциюРегрессия, после чего щелкните мышкойOK.
Шаг 2.В появившемся окне выполните операции и установки, как показано на рисунке 6.2.
Шаг 3.Щелкните мышкойOK. Результат обработки появится в указанном поле (выходной интервал $L$1, рисунок 6.2, таблицы 6.3–6.5).
Рисунок 6.2 – Стартовая панель
Таблица 6.3 – Результат обработки
|
Параметры |
Значения |
|
Множественный R |
0,98 |
|
R-квадрат |
0,97 |
|
Нормированный R-квадрат |
0,97 |
|
Стандартная ошибка |
0,53 |
|
Наблюдения |
50 |
Таблица 6.4 – Дисперсионный анализ
|
Параметры |
df |
SS |
MS |
F |
Значимость F |
|
Регрессия |
1 |
397,27 |
397,27 |
1403,61 |
0,000.. |
|
Остаток |
48 |
13,586 |
0,28 |
|
|
|
Итого |
49 |
410,86 |
|
|
|
Таблица 6.5 – Регрессионный анализ
|
Параметры |
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-значение |
|
Y-пересечение |
12,67 |
0,224 |
56,628 |
0,000.. |
|
X |
0,82 |
0,0218 |
37,465 |
0,000.. |
Таким образом, корреляционная связь между массой и длиной туловища подопытных животных характеризуется высоким (r= 0,98) и достоверным коэффициентом корреляции (из таблицы 6.4: критерий ФишераF= 1403,61 при уровне значимости существенно меньше 0,05). Получена очень надежная регрессия, о чем свидетельствует t-статистика из таблицы 6.5 (уровень значимости существенно меньше 0,05).
Уравнение линейной
регрессии Пирсона и коэффициент
корреляции:
.
С менее подробной информацией операции регрессии и корреляции можно выполнить в системе MSExcel, используя модульМастер диаграмм.
Шаг 1.В системеMSExcelоткройте модульМастер диаграмм(рисунок 6.3).
Рисунок 6.3 – Стартовая панель
Шаг 2.Выберите Тип диаграммы Точечная.
Шаг 3.Щелкните по кнопкеДалее. Выберите диапазон данных (рисунок 6.4), оформите график и нажмитеГотово.
Рисунок 6.4 – Диапазон данных
Шаг 4.На графике щелкните правой кнопкой по любой точке диаграммы.
Шаг 5. Выберите опциюДобавить линию тренда иТип – линейная (рисунок 6.5). Щелкните мышкойOK.
Рисунок 6.5 – Тип аппроксимации кривой
Шаг 6.В опцииПараметрывыберите установки, как показано на рисунке 6.6. Щелкните мышкойOK.
Отредактированная диаграмма представлена на рисунке 6.7.
Рисунок 6.6 – Параметры кривой
Рисунок 6.7 – Отредактированная диаграмма
Уравнение регрессии и коэффициент детерминации R2находятся в правом нижнем углу диаграммы. Как видно, что они такие же, как и при выполнении регрессионного анализа в пакетеАнализ данных Регрессия.