Корреляционное исследование Опции

[Choledochus]

Уважаемые знатоки, пожалуйста ответьте на вопрос.
Я провел корр. исследование между двумя выборками (АД-ИМТ, индекс массы тела). По коэффициенту корреляции определил, что сила связи слабая (это меня не устраивает).
Тогда я разбил выборки по категориям (на 5 групп по индексу массы тела) и повторил исследование в отдельных группах. Обнаружил в группе с ожирением сильную связь.
Можно ли так представить результаты и как их интерпретировать ситуацию, что связь между целыми выборками слабая, а в категориях по-разному?
Вот так можно (?):
"Последнее может интерпретироваться как ложное снижение корреляции вследствие неоднородности данных, вызванной принадлежностью опрошенных к разным категориям индивидуумов или как нелинейная корреляционная связь".
Спасибо!

Сообщение отредактировал Choledochus - 1.02.2019 - 13:09

[Med_Elena]

Уважаемые знатоки, пожалуйста ответьте на вопрос.
Я провел корр. исследование между двумя выборками (АД-ИМТ, индекс массы тела). По коэффициенту корреляции определил, что сила связи слабая (это меня не устраивает).
Тогда я разбил выборки по категориям (на 5 групп по индексу массы тела) и повторил исследование в отдельных группах. Обнаружил в группе с ожирением сильную связь.
Можно ли так представить результаты и как их интерпретировать ситуацию, что связь между целыми выборками слабая, а в категориях по-разному?
Вот так можно (?):
"Последнее может интерпретироваться как ложное снижение корреляции вследствие неоднородности данных, вызванной принадлежностью опрошенных к разным категориям индивидуумов или как нелинейная корреляционная связь".
Спасибо!

Не рекомендую приводить подобные описания. Поскольку в них нет никакой конкретики. В частности не приводится корректное описание типа корреляционного анализа.
А этот анализ бывает разный, и не все их применения всегда корректны. Ну а если в базе данных есть группы наблюдений, то в этом случае продуктивно сравнивать
эти группы разными многомерными методами. Например, разными алгоритмами дискриминантного анализа, или разными алгоритмами логистической регрессии.
И тогда станет ясно, какие именно признаки доминируют в различии как между собой в этих группах, так и по интенсивности связи между собой. Естественно что
сделать такие анализы могут не все медики, поскольку это методы очень сложные, но зато очень продуктивные.

[nokh]

Не рекомендую приводить подобные описания. Поскольку в них нет никакой конкретики. В частности не приводится корректное описание типа корреляционного анализа.
А этот анализ бывает разный, и не все их применения всегда корректны. Ну а если в базе данных есть группы наблюдений, то в этом случае продуктивно сравнивать
эти группы разными многомерными методами. Например, разными алгоритмами дискриминантного анализа, или разными алгоритмами логистической регрессии.
И тогда станет ясно, какие именно признаки доминируют в различии как между собой в этих группах, так и по интенсивности связи между собой. Естественно что
сделать такие анализы могут не все медики, поскольку это методы очень сложные, но зато очень продуктивные.

Странная рекомендация. Если бы вы ознакомились с содержанием ветки по ссылке выше, то узнали бы, что парадокс объединений неразрешим в принципе. Даже с помощью многомерных техник. Даже если их применяют не медики, а (био)статистики. Кстати, логистическая регрессия, как и прочие варианты множественной регрессии с одним откликом, не относятся к многомерным методам.