КОРРЕЛЯЦИЯ Спирмена Пирсона Кенделла | АНАЛИЗ ДАННЫХ #12
ฝัง
- เผยแพร่เมื่อ 13 ส.ค. 2015
- Корреляция СПИРМЕНА, ПИРСОНА, КЕНДЕЛЛА. Анализ данных #12. Содержание: общая идея коэффициентов корреляции, корреляция Пирсона, корреляция Спирмена, корреляция Кендалла, диаграмма рассеяния с линией регрессии, обычные и особые случаи, умеренная корреляция, сильная корреляция, слабая корреляция, как влияют выбросы и грубые ошибки, неоднородная выборка, алгоритм работы с методом.
Коэффициенты корреляции СПИРМЕНА, ПИРСОНА в STATISTICA. Как провести корреляционный анализ Спирмена, Пирсона в программе STATISTICA.
Корреляция (соотношение, взаимосвязь) или корреляционная зависимость - статистическая взаимосвязь двух или более величин. При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.
Впервые в научный оборот термин корреляция ввёл французский палеонтолог Жорж Кювье в XVIII веке. Он разработал «закон корреляции» частей и органов живых существ, с помощью которого можно восстановить облик ископаемого животного, имея в распоряжении лишь часть его останков. В статистике слово «корреляция» первым стал использовать английский биолог и статистик Фрэнсис Гальтон в конце XIX века.
Значительная корреляция между двумя случайными величинами всегда является свидетельством существования некоторой статистической связи в данной выборке, но эта связь не обязательно должна наблюдаться для другой выборки и иметь причинно-следственный характер. Часто заманчивая простота корреляционного исследования подталкивает исследователя делать ложные интуитивные выводы о наличии причинно-следственной связи между парами признаков, в то время как коэффициенты корреляции устанавливают лишь статистические взаимосвязи.
Линейный коэффициент корреляции (или коэффициент корреляции Пирсона) разработали Карл Пирсон, Фрэнсис Эджуорт и Рафаэль Уэлдон в 90-х годах XIX века.
Коэффициент ранговой корреляции Спирмена.
Коэффициент ранговой корреляции Кендалла.
СТАТИСТИКА STATISTICA
Очень хороший курс👍 наконец то этими странные названия приобретают какую то форму)
Спасибо за видео!
Спасибо огромное!
Спасибо большое!
Спасибо!!!!!
мне очень понравился урок. Теперь понятно и про Пирсона, и про Спирмена. Но не совсем понятно про Кенделла)
Спасибо. Кенделла можно использовать как альтернативу Спирмену, при этом он работает лучше, если один из факторов порядковый (о шкалах подробнее тут: th-cam.com/video/F0TkzRCgBFQ/w-d-xo.html), трактуемый как количественный. Про трактовку подробнее тут: th-cam.com/video/H9owo80f9D4/w-d-xo.html
Голос 😍🤤
Вот как человеку, которому нужно провести анализа и не углубленного в мат. статистику, тут вообще делать нечего.
Слушать это вообще нереально
Начните с первых тем, будет понятнее
Здравствуйте! Спасибо большое за видео! Подскажите, пожалуйста: Если я захочу рассчитать коэффициент корреляции для разных шкал своей выборки, мне можно его расчитывать, используя данные всех испытуемых (и для группы нормы, и для группы С болезнью), или нужно считать для групп нормы и группы с болезнью отдельно? Увидела, что можно считать и вместе и отдельно, но сомневаюсь именно из-за моих специфических групп
Здравствуйте, это зависит от гипотезы. Если вас интересуют особенности группы с болезнью в сравнении с нормой, то логично рассчитать корреляцию отдельно по этим подгруппам. Если просто связь факторов, то без разделения. Если сомневаетесь, то оба варианта.
Здравствуйте! А Вы можете подсказать, где в statsoft statistica найти возможность расчёта D Коэна (Cohen’s d)?
Добрый день, к сожалению, не подскажу
Здравствуйте, подскажите, пожалуйста, если нужно рассчитать коэффициент корреляции между результатами опросника, который содержит ответы "да/нет", и результатами опросника, который содержит ответы в виде баллов, то какой метод надо использовать? Правильно я понимаю, что шкалы тогда будут номинальная и порядковая?
Добрый день. Корреляция не подойдёт. Вам нужен критерий Манна-Уитни или Стьюдента (в зависимости от распределения данных).
Добрый день. Спасибо за курс. Подскажите пожалуйста: Я правильно понимаю, различие между методиками по определению коэф. корр. Спирмена и Пирсона , только в том , что мы в одном разделили данные на группы ?
Добрый день. Разница в распределении данных. Если данные обоих факторов распределены нормально, применяем метод корреляции Пирсона, иначе - Спирмена.
Насколько мне известно угол наклона линии регрессии на графике никак не характеризует тесноту связи x и y. Изменив масштаб изображения по осям можно получить разный угол наклона. Валерий
Спасибо! Задумался
Это вычисляется с помощью метода Спирмена Пирсона Кенделла?
Дано:
Таблица из 7 полей. Количество записей больше 100 и меньше 100000.
6 полей заполнены рациональными числами.
7 поле заполнено целыми числами.
Необходимо выяснить, как влияют на значение поля 7 остальные поля и определить их вес.
Если только как влияют, то да, если ещё и вес, то множественная регрессия.
Чел, расскажи про квадрат значения r. То есть r × r, умноженное на 100%. Оно показывает в процентах сколько данных из выборки создают эту связь/корреляцию?
Коэффициент детерминации. Характеризует на сколько процентов этот связанный параметр (фактор) объясняет проведение другого параметра (фактора).
1:45 если уровень значимости меньше 0,05 говорит об отсутствии корреляции??? Вы не оговорились здесь?
Спасибо, что заметили! Оговорился.
@@statistica8687 классные видео. Очень достойно. Жаль ничего нет о методе главных компонент
Ну, даже 0.3 --0,5 обычно рассматривается как слабая, уж очень большой разброс тут для умеренной силы связи.
Есть разные варианты. Например, Чеддока. У него 0.3-0.5 - умеренная. Для работающих со статистикой плотно, коэффициент говорит сам за себя
хоть бы тайм коды ставили, а то видео затянуто раза в 3.
Таймкоды в учебниках. Называются - оглавление)
2:30
Автор хоть объяснил бы что значит «нормально распределены»🤦🏽♂️
Это отдельная тема: th-cam.com/video/kIL-CdI0eeo/w-d-xo.html