- •7 Регресійний аналіз
- •7.1 Попередній аналіз даних
- •7.2 Припущення, які використовує регресійний аналіз
- •7.3 Вибір вигляду функції для монотонних процесів
- •7.4 Метод найменших квадратів для оцінки параметрів функції регресії
- •Властивості регресії
- •7.5 Оцінка якості моделі
- •7.6 Критерій Фішера для оцінки адекватності моделі
- •7.7 Перевірка значущості коефіцієнтів регресії
- •7.8 Функції Excel для побудови регресійних залежностей
- •Розв’язання
- •7.9 Парна регресія в матричній формі
- •7.10 Метод найменших квадратів при оцінюванні параметрів поліномів
- •Розв’язання
- •7.11 Множинний регресійний аналіз
- •7.11.1 Матричний спосіб оцінки параметрів множинної регресії
- •7.11.2 Перевірка значущості коефіцієнтів регресії
- •7.11.3 Перевірка якості моделі. Скоригований коефіцієнт детермінації
- •7.11.4 Парна й часткова кореляції
- •Розв’язання.
- •7.12 Методи побудови багатофакторної регресійної моделі
- •7.12.1 Вибір "найкращого" рівняння регресії
- •7.12.2 Метод усіх можливих регресій
- •7.12.3 Метод виключень
- •7.12.4 Кроковий регресійний метод
- •Питання і завдання до розділу 7
- •Лабораторна робота Тема. Парний регресійний аналіз
- •Лабораторна робота Тема. Множинний регресійний аналіз
- •8 Дисперсійний аналіз
- •8.1 Однофакторний дисперсійний аналіз
- •Розв’язання.
- •Питання і завдання до розділу 8
- •Лабораторна робота Тема. Однофакторний дисперсійний аналіз
- •9 Ранговий аналіз
- •9.1 Коефіцієнт рангової кореляції Кенделла (Кендалла)
- •9.2 Коефіцієнт рангової кореляції Спірмена
- •Розв’язок.
- •9.3 Коефіцієнт конкордації
- •Питання і завдання до розділу 9
9.1 Коефіцієнт рангової кореляції Кенделла (Кендалла)
Введемо міру розбіжності між об'єктами (xi ; xj)

та відповідно для (yi ; yj)
.
Пояснимо це на прикладі. Припустимо ми маємо дві послідовності. Необхідно з’ясувати, чи існує між ними зв'язок.
-
X
2
4
5
1
3
Y
1
5
3
4
2
Для полегшення обчислень одну із послідовностей (в нашому випадку це послідовність X), впорядковують таким чином, щоб її елементи були числами натурального ряду (розташовують за заростанням). Змінюють і другу послідовність Y таким чином, щоб збереглась відповідність значень (xi ;yi).
Отримаємо таку таблицю
-
x
1
2
3
4
5
y
4
1
2
5
3
Розглянемо послідовність X. Першій парі (1; 2) припишемо значення 1, оскільки x1<x2, другій парі (1; 3) також припишемо значення 1, і т.д. Послідовно перебираємо всі пари, причому кожна пара повинна бути врахована один раз. Аналогічні обчислення проведемо для послідовності Y, причому порядок перебору пар повинен в точності повторювати порядок перебору пар в послідовності Х. Результати обчислень наведені в таблиці 9.1.
Таблиця 9.1
-
x
x′
y
y′
x′y′
(1,2)
1
(4,1)
-1
-1
(1,3)
1
(4,2)
-1
-1
(1,4)
1
(4,5)
1
1
(1,5)
1
(4,3)
-1
-1
(2,3)
1
(1,2)
1
1
(2,4)
1
(1,5)
1
1
(2,5)
1
(1,3)
1
1
(3,4)
1
(2,5)
1
1
(3,5)
1
(2,3)
1
1
(4,5)
1
(5,3)
-1
-1
=2
Розглянемо
формулу (9.1). В нашому випадку
і дорівнює кількості пар, що беруть
участь у переборі. Кожна пара зустрічається
тільки один раз, тому їх кількість
дорівнює числу сполучень з n
по 2, тобто
.
Позначимо
,
отримаємо формулу для обчислень
коефіцієнта рангової
кореляції Кенделла
. (9.2)
Коефіцієнт Кенделла приймає значення з інтервалу [-1;1].
Для нашого прикладу коефіцієнт рангової кореляції Кенделла дорівнює
=0,2.
