Непараметрическая корреляция, как интерпретировать коэф. гамма ? Опции

[Statisticafil]

собственно сабж.

[Statisticafil]

Спасибо за ответ и ссылку.
Не совсем понял про "связанность" наблюдений ? Поясните пожалуйста это.

Я выбрал гамму именно потому, что есть много нулей в данных и они искажают картину корреляций. Интерпретировать проще именно данные гамма-корреляций.
Например, некий параметр присущь обьектам анализа получившим высокие итоговые оценки. Но вцелом из 2000 обьектов он не нулевой у нескольких сотен. Соответственно считая спирмена и кендалла получаем коэф.корр. около 0.10, а гамма - 0.75. Это относительно внятно можно интерпретировать.

[плав]

Спасибо за ответ и ссылку.
Не совсем понял про "связанность" наблюдений ? Поясните пожалуйста это.

Я выбрал гамму именно потому, что есть много нулей в данных и они искажают картину корреляций. Интерпретировать проще именно данные гамма-корреляций.
Например, некий параметр присущь обьектам анализа получившим высокие итоговые оценки. Но вцелом из 2000 обьектов он не нулевой у нескольких сотен. Соответственно считая спирмена и кендалла получаем коэф.корр. около 0.10, а гамма - 0.75. Это относительно внятно можно интерпретировать.

Связанные это как раз наблюдения, в которых одно и то же значение есть у разных пациентов (объектов). Именно то, что в Ваших данных - много нулей. Поясню на простом примере:
0 0
0 4+
1 3-
2 5+
Как интерпретировать переход от первой пары ко второй? значения второй переменной растут, а первой? Неизвестно, они неизменных (связаны). Решение - выборсить пару. Но какую? выбросим первую получим гамма=0, выбросим вторую, получим гамма=1. Чувствуете разницу?
Соответстенно, гамма хороша только тогда, когда нет одинаковых значений в первой и второй переменных. Кроме того, отброс пар приводит к уменьшению количества анализируемых наблюдений и в реальности Вы делаете вывод на основании небольшого количества наблюдений, например
0 1
0 2
0 3
0 4
0 5
1 6
Я бы сказал, что тут никакой корреляции нет (поскольку в большинстве случаев нет связи между первой и второй переменными - первая не меняется. а вторая меняется). А вот гамма будет равна 1.
Похоже, именно это и получается в Ваших данных, реально связи там нет, а большое значение гаммы связано с отбросом наиболее значимой части информации. С моей точки зрения нули не искажают картину, они важная и неотъемлемая часть данных. Если Вам кажется, что нулевые значения являются ошибочными, то лучше отбросить их (и описать, почему Вы так считаете) и пересчитать коэффициенты Сипрмена/Кендалла для такой уменьшенной выборки. И вывод тогда будет не "мы нашли связь А и Б", а "среди объектов с высокими значениями наблюдается связь А и Б (и коэффициент корреляции с доверительным интервалом)"