Каким методом посчитать? Опции

[Solo...]

Уважаемые форумчане!! Подскажите, пожалуйста, каким тестом оценить корреляцию (наличие зависимости или ее отсутствие) между фактором (независимым признаком), который имеет 3 градации (например, пигментация слабая, средняя и сильная) и результатом, который делиться на 3 позиции (например, полная резорбция опухоли, частичная резорбция опухоли и отсутствие эффекта)?

Можно ли применить логистическую регрессию? Или она тут неуместна?

[DoctorStat]

каким тестом оценить корреляцию (наличие зависимости или ее отсутствие) между фактором (независимым признаком), который имеет 3 градации (например, пигментация слабая, средняя и сильная) и результатом, который делиться на 3 позиции (например, полная резорбция опухоли, частичная резорбция опухоли и отсутствие эффекта)?

Т.к. Ваши данные не числа, а просто упорядочены в ряд по признаку больше/меньше, то вместо коэффициента корреляции Пирсона используйте ранговый коэффициент корреляции Спирмена. В случае наличия зависимости между факторами, значимость коэффициента корреляции Спирмена должна быть больше определенного Вами порога.

[Игорь]

Т.к. Ваши данные не числа ... используйте ранговый коэффициент корреляции Спирмена

Оригинально. Вы сами признаете, что данные - не числа. И тут же предлагаете считать коэффициент Спирмена, который предназначен для количественных или порядковых выборок. "Пойти туда, не знаю, куда".

Здесь нужно исследовать связь типа корреляции для номинальных признаков. Каким методом? Например, посчитать коэффициент сопряженности Пирсона. Тот, что основан на статистике хи-квадрат, вычисляемой по таблице сопряженности, составляемой как раз на основе номинальных выборок.

Сообщение отредактировал Игорь - 25.01.2009 - 17:21

[DoctorStat]

коэффициент Спирмена, который предназначен для количественных или порядковых выборок.

Как Вы правильно заметили, коэффициент Спирмена предназначен для порядковых выборок, т.е. упорядоченных данных. Мы имеем именно такой случай. С данными можно сопоставить ранги. Первый фактор: пигментация слабая, средняя и сильная = (ранги) 1,2,3. Второй фактор: полная резорбция опухоли, частичная резорбция опухоли и отсутствие эффекта = (ранги) 3,2,1. После перевода данных в ранги можно вычислять коэффициент ранговой корреляции Спирмена, значимость которого говорит о наличии связи, а величина - о силе связи признаков.

Сообщение отредактировал DoctorStat - 25.01.2009 - 18:47

[Игорь]

Как Вы правильно заметили, коэффициент Спирмена предназначен для порядковых выборок, т.е. упорядоченных данных. Мы имеем именно такой случай. С данными можно сопоставить ранги. Первый фактор: пигментация слабая, средняя и сильная = (ранги) 1,2,3. Второй фактор: полная резорбция опухоли, частичная резорбция опухоли и отсутствие эффекта = (ранги) 3,2,1. После перевода данных в ранги можно вычислять коэффициент ранговой корреляции Спирмена, значимость которого говорит о наличии связи, а величина - о силе связи признаков.

Все правильно. Только ранжируются-то не признаки, а объекты исследования. Т.е., допустим, даны две количественные или порядковые выборки, которые мы и ранжируем, если нужно - в пределах каждой выборки или совместно, в зависимости от алгоритма. И Спирмен тут не при чем, т.к. таких выборок тут нет.

Тут ранжирование делать незачем. Да, собственно, и нечего ранжировать. Как раз данные для таблицы 3 x 3 (я неточно назвал ее таблицей сопряженности - лучше использовать название 3 x 3).

Сообщение отредактировал Игорь - 26.01.2009 - 07:34