- •Статистический анализ взаимосвязи социально-экономических явлений
- •Брянск издательство бгту
- •Карабан, л.А. Статистический анализ взаимосвязи социально-экономических явлений: учеб.- практ. Пособие / л.А. Карабан. – бгту, 2010. – 152 с. – (Сер. «Необъятная статистика»).
- •Предисловие
- •Введение
- •Раздел I. МетоДы изучения взаимосвязей в статистике
- •Глава 1. Теоретические основы исследования взаимосвязей социально-экономических явлений
- •Виды и формы взаимосвязи между явлениями
- •1.2. Общие понятия о стохастических, функциональных и корреляционных связях
- •1.4. Основные приемы изучения взаимосвязей
- •Глава 2. Теоретические основы Корреляционного анализа
- •2.2. Статистические методы изучения корреляционной связи
- •2.3. Измерение тесноты корреляционной связи
- •Рассмотрим использование парных коэффициентов корреляции для измерения многофакторной связи
- •2.5. Корреляционный анализ порядковых переменных или ранговая корреляция
- •Рассмотрим применение коэффициента корреляции рангов Спирмэна
- •Оценим возможности использования коэффициента корреляции рангов Кендэлла
- •Определим возможности применения коэффициента конкордации
- •2.6. Корреляция категоризированных (номинальных) переменных
- •Рассмотрим использование коэффициентов взаимной сопряженности
- •Глава 3. Дисперсионный анализ как метод установления тесноты связи между Явлениями
- •3.1. Общее понятие и цели дисперсионного анализа
- •3.2. Оценка существенности и достоверности связи. Многофакторный дисперсионный анализ
- •Глава 4. Проведение регрессионного анализа
- •4.1. Построение однофакторного уравнения регрессии
- •4.3. Построение и статистический анализ двухфакторной линейной модели (трехмерной регрессии)
- •4. 4. Экономическая интерпретация многофакторной регрессионной модели
- •Раздел II. Практическая реализация методов расчета показателей связи ______________________________________________
- •Глава 1. Использование средств microsoft excel для оценки взаимосвязей явлений
- •1.1.Технология решения задач корреляционного
- •Рассмотрим процедуру построения системы показателей и анализ матрицы коэффициентов парной корреляции.
- •Проведём обзор выбора вида моделей с оценкой их параметров
- •Рассмотрим порядок проведения проверки качества построенной модели
- •Рассмотрим практическую оценку влияния отдельных факторов на зависимую переменную в построенной модели регрессии.
- •Разберём вопрос использования многофакторных моделей для анализа и прогнозирования развития экономических систем.
- •Глава 2. Примеры решения типовых задач
- •2.1. Определение параметров уравнения регрессии
- •2.2. Вычисление линейного коэффициента корреляции
- •2. 3. Задачи для закрепления изученного материала
- •2.4. Задачи для самостоятельного выполнения
- •Правила ответа на письменный тест
- •Заключение
- •Список использованной и рекомендуемой литературы
- •Приложения приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 4
Оценим возможности использования коэффициента корреляции рангов Кендэлла
Ранговую корреляцию можно измерить с помощью коэффициента Кендэлла
. (24)
Для нахождения величины S надо упорядочить по возрастанию ряд рангов переменной х. Затем рассматривается последовательность рангов переменной у. Для каждого наблюдения подсчитывается Р - число случаев, когда ранг признака у последующих наблюдений меньше, чем у данного, и Q-число случаев, когда ранг у следующих наблюдений больше, чем у данного. Искомое значение S:
(25)
Слагаемое Р рассматривать как меру соответствия последовательности рангов переменной у последовательности рангов переменных х. Слагаемое Q характеризует степень несоответствия последовательности рангов переменной у последовательности рангов переменной х.
Коэффициент Кендэлла изменяется в пределах от -1 до +1 и равен 0 при отсутствии связи между рядами рангов.
При наличии связанных рангов необходимо использовать скорректированную формулу коэффициента корреляции рангов Кендэлла. Пусть определяется теснота связи между k-м l-м признаками, в рядах значений которых имеются соответственно q и g групп объединенных рангов. Скорректированная формула для вычислений коэффициента корреляции рангов Кендэлла имеет вид:
, (26)
где , (27)
, (28)
, - число единиц в i-й группе объединенных рангов соответствующего признака.
Оценка статистической значимости коэффициента корреляции рангов Кендэлла проводится для больших значений n. Полученное значение коэффициента корреляции рангов сравнивается с величиной
, (29)
где - табличное значение нормального распределения для заданного уровня значимости α.
Если >,
то гипотеза об отсутствии связи отклоняется на заданном уровне значимости.
При достаточно большем числе наблюдений между коэффициентами корреляции рангов Спирмэна и коэффициентом корреляции рангов Кендэлла должно выполняться следующее соотношение: . (30)
▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼
│►7. Выбраны для обследования десять студентов, которые проранжированы по количеству пропущенных занятий и успеваемости. Получены следующие результаты (табл. 7) Таблица 7
Коэффициент Спирмэна равен: . Следовательно, между количеством пропусков занятий и успеваемостью имеется слабая обратная связь. Оценим статистическую значимость полученного коэффициента корреляции. По таблице прил.4 находим, что при уровне значимости 5% и объеме выборки 10 единиц критическая величина рангового коэффициента корреляции составляет 0,634:
Следовательно, гипотеза об отсутствии связи не отклоняется. Рассчитаем коэффициент корреляции рангов Кендэлла. У первого студента ранг по у равен 3. У следующих студентов 7 раз встречается ранг больший, чем 3, и 2 раза – меньший, чем 3. Q=7, Р=2. Q–Р=5. У второго студента сравниваем ранг со всеми следующими студентами. Получаем: Q=0, P=8. Q-P=-8. Аналогично проводятся последующие сравнения. В итоге получаем
Коэффициент Кендэлла, также как и коэффициент Спирмэна, показывает обратную, хотя и менее выраженную связь между признаками. ◄
|
▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲