Свойства выборочного коэффициента корреляции Спирмена.

Если между А и В имеется «полная прямая зависимость», то есть ранги совпадают при всех i, то ρ_В = 1. Действительно, при этом d_i = 0, и из формулы (12.4) следует справедливость свойства 1.

Если между А и В имеется «противоположная зависимость», то ρ_В = - 1. В этом случае, преобразуя d_i = (2i – 1) – n, найдем, что , тогда из (12.4)

В остальных случаях -1 < ρ_B < 1, причем зависимость между А и В тем меньше, чем ближе | ρ_B | к нулю.

 

Итак, требуется при заданном уровне значимости α проверить нулевую гипотезу о равенстве нулю генерального коэффициента ранговой корреляции Спирмена ρ_г при конкурирующей гипотезе Н₁: ρ_г ≠ 0. Для этого найдем критическую точку:

, (12.5)

где п – объем выборки, ρ_В – выборочный коэффициент ранговой корреляции Спирмена, t_кр (α, k) – критическая точка двусторонней критической области, найденная по таблице критических точек распределения Стьюдента, число степеней свободы k = n – 2.

Тогда, если | ρ_B | < T_кр, то нулевая гипотеза принимается, то есть ранговая корреляционная связь между признаками незначима.

Если | ρ_B | > T_кр, то нулевая гипотеза отвергается, и между признаками существует значимая ранговая корреляционная связь.

Можно использовать и другой коэффициент – коэффициент ранговой корреляции Кендалла. Рассмотрим ряд рангов у₁, у₂,…, у_п, введенный так же, как и ранее, и зададим величины R_i следующим образом: пусть правее у₁ имеется R₁ рангов, больших у₁; правее у₂ – R₂ рангов, больших у₂ и т.д. Тогда, если обозначить R =R₁ + R₂ +…+ R_n-1, то выборочный коэффициент ранговой корреляции Кендалла определяется формулой

(12.6)

где п – объем выборки.

Замечание. Легко убедиться, что коэффициент Кендалла обладает теми же свойствами, что и коэффициент Спирмена.

Для проверки нулевой гипотезы Н₀: τ_г = 0 (генеральный коэффициент ранговой корреляции Кендалла равен нулю) при альтернативной гипотезе Н₁: τ_г ≠ 0 необходимо найти критическую точку:

, (12.7)

где п – объем выборки, а z_кр – критическая точка двусторонней критической области, определяемая из условия по таблицам для функции Лапласа.

Если | τ_B | < T_кр, то нулевая гипотеза принимается (ранговая корреляционная связь между признаками незначима).

Если | τ_B | > T_кр, то нулевая гипотеза отвергается (между признаками существует значимая ранговая корреляционная связь).

 

Регрессионный анализ.

Рассмотрим выборку двумерной случайной величины (Х, Y). Примем в качестве оценок условных математических ожиданий компонент их условные средние значения, а именно: условным средним назовем среднее арифметическое наблюдавшихся значений Y, соответствующих Х = х. Аналогично условное среднее - среднее арифметическое наблюдавшихся значений Х, соответствующих Y = y. В лекции 11 были выведены уравнения регрессии Y на Х и Х на Y:

M (Y / x) = f (x), M (X / y) = φ (y).

Условные средние и являются оценками условных математических ожиданий и, следовательно, тоже функциями от х и у, то есть

= f*(x) - (12.8)

- выборочное уравнение регрессии Y на Х,

= φ*(у) - (12.9)

- выборочное уравнение регрессии Х на Y.

Соответственно функции f*(x) и φ*(у) называются выборочной регрессией Y на Х и Х на Y, а их графики – выборочными линиями регрессии. Выясним, как определять параметры выборочных уравнений регрессии, если сам вид этих уравнений известен.

Пусть изучается двумерная случайная величина (Х, Y), и получена выборка из п пар чисел (х₁, у₁), (х₂, у₂),…, (х_п, у_п). Будем искать параметры прямой линии среднеквадратической регрессии Y на Х вида

Y = ρ_yxx + b, (12.10)

Подбирая параметры ρ_ух и b так, чтобы точки на плоскости с координатами (х₁, у₁), (х₂, у₂), …, (х_п, у_п) лежали как можно ближе к прямой (12.10). Используем для этого метод наименьших квадратов и найдем минимум функции

. (12.11)

Приравняем нулю соответствующие частные производные:

.

В результате получим систему двух линейных уравнений относительно ρ и b:

. (12.12)

Ее решение позволяет найти искомые параметры в виде:

. (12.13)

При этом предполагалось, что все значения Х и Y наблюдались по одному разу.

Теперь рассмотрим случай, когда имеется достаточно большая выборка (не менее 50 значений), и данные сгруппированы в виде корреляционной таблицы

Y	X
x1	x2	…	xk	ny
y1 y2 … ym	n11 n12 … n1m	n21 n22 … n2m	… … … …	nk1 nk2 … nkm	n11+n21+…+nk1 n12+n22+…+nk2 …………….. n1m+n2m+…+nkm
nx	n11+n12+…+n1m	n21+n22+…+n2m	…	nk1+nk2+…+nkm	n=∑nx = ∑ny

 

Здесь n_ij – число появлений в выборке пары чисел (x_i, y_j).

Поскольку , заменим в системе (22.5)

, где п_ху – число появлений пары чисел (х, у). Тогда система (22.5) примет вид:

. (12.14)

Можно решить эту систему и найти параметры ρ_ух и b, определяющие выборочное уравнение прямой линии регрессии:

.

Но чаще уравнение регрессии записывают в ином виде, вводя выборочный коэффициент корреляции. Выразим b из второго уравнения системы (12.14):

.

Подставим это выражение в уравнение регрессии: . Из (12.14)

, (12.15)

где Введем понятие выборочного коэффициента корреляции

и умножим равенство (22.8) на : , откуда . Используя это соотношение, получим выборочное уравнение прямой линии регрессии Y на Х вида

. (12.16)