Как оценить различия в силе связи между переменными? Опции

[Alex_Z]

Есть две группы. В каждой применялся различный метод лечения. Оценивалась динамика по шкале APACHE II до лечения, на первые сутки и на пятые сутки. Нужно проанализировать зависимость суммарной динамики (разность баллов этапа "до" и этапа "5 сутки") от исходной тяжести состояния (баллы APACHE II "до")
Гипотезы, которые я хочу проверить (и предполагаемый способ проверки)
1. Суммарная динамика в подгруппах зависит от исходной тяжести состояния.
Оценить силу связи коэффициентом корреляции Спирмена.

2. Суммарная динамика в подгруппах достоверно различается в зависимости от исходной тяжести состояния. - Т.е., возможно, в первой подгруппе достигается более выраженная динамика, но до определенной тяжести состояния (исходного количества баллов). Как хочу проверить: ранжировать динамику (или исходное количество баллов??) и посмотреть различия в суммарной динамике между группами в каждом ранге.

3. Зависимость (сила связи) суммарной динамики от исходной тяжести состояния различается в подгруппах. Как можно оценить?

4. Сила связи суммарной динамики и исходной тяжести меняется с увеличением исходного количества баллов (возможно, в какой-то подгруппе возрастает, в какой-то ? уменьшается, или изменяется одинаково в обеих подгруппах). Сначала оценить графически (как на рисунке). Как выразить это цифрами?

Что посоветуете? Какими методами можно решить данные задачи?

P.S. На рисунке - линия тренда - линия линейной регрессии (1). Если выбрать квадратичную (2) регрессию или кубическую (3), то линия группы сравнения веден себя по-разному. Какую выбрать?

Сообщение отредактировал Alex_Z - 14.03.2012 - 21:13

Эскизы прикрепленных изображений

 

[YVR]

Чаще всего корреляционный анализ предшествует регрессионному: сначала устанавливается факт наличия связи между двумя явлениями: определили силу связи (абс. значение и стат. значимость к-та корр.), потом - направление (знак). Затем приступают к моделированию зависимостей.

Во первых, не чаще, а всегда, потому что сначала вычисляется коэффициент корреляции, а только потом по его значению вычисляются остальные коэффициенты регрессионной модели. Во вторых, никакие связи сначала не устанавливаются, а первым делом вычисляется коэффициент корреляции вместе со знаком, т.r. знак вычисляется не после того, как известно значение коэффициента корреляции, а до, поскольку значение со знаком в числителе формулы вычисления коэффициента корреляции, а с положительным значением в знаменателе. В третьих никакие статистические значимости коэффициента корреляции не определяются.

Прежде, чем сочинять отсебятину лучше бы взяли любой алгоритм вычисления регрессии (они не являются секретными и есть практически для любых общеизвестных и общеупотребительных языков программирования) и убедились бы, что Ваши выдумки не соответствуют действительности.

Давайте внесем ясность: человек в посте ?1 вывесил три регрессионные модели, отличающиеся разным количеством переменных: парную линейную, параболическую и кубическую ...

Давайте не будем Вашу отсебятину считать "ясностью". В модели всего две переменные: зависимая - тяжесть состояния и объясняющая - время. Т.е. во всех без исключения случаях мы имеем дело с функцией от одной переменной y = f(t). И что Вы бы там не сочиняли и не выдумывали, других переменных нет и быть не может и взяться им неоткуда, независимо от того, линейная функция, квадратная, кубическая или еще какая.

То есть по-вашему это принципиально?

Для эпигонов вообще ничего принципиального не существует, кроме собственного мнения, т.к. для них главное не результат, а процесс. Взял некий пакет по перемалыванию цифр, засунул одни цифры, получил другие. Зачем и для чего он их получил - не принципиально. Принципиально важно в процессе состряпать умную рожу и разбавить все это хозяйство наукообразными терминами, о смысле которых он и не догадывается, а также громкими именами, для пущей важности.

В этой связи предлагаю сократить вашу (интересную) лекцыю до единственного абзаца:

Поступлю гораздо проще. Поскольку с эпигонами нет вообще никакого смысла общаться, т.к. у них все точки зрения делятся на две категории: собственная и неправильная, то заношу Ваш ник в черный список.

[TheThing]

В третьих никакие статистические значимости коэффициента корреляции не определяются.

Здравствуйте!

Вы могли бы более детально описать, почему статистическая значимость коэффициента корреляции не рассчитывается? Может быть пару источников на эту тему..

Спасибо!