Объяснение корреляций Опции

[psychologist]

Вы правы, мы начали с корреляций и добъем их.
у меня есть 2D график корреляции 2-х признаков, мы видим что корреляция отрицательна . Но мне не ясно откуда взялись значения от -2 до 10 по осям. что значит это прямая линия , которая идет от 6 до 10 по нисходящей.
И ведь тут получается, что не малое кол-во людей находится за пределами доверительного интервала.

Эскизы прикрепленных изображений

 

[100$]

Вы правы, мы начали с корреляций и добъем их.
у меня есть 2D график корреляции 2-х признаков, мы видим что корреляция отрицательна . Но мне не ясно откуда взялись значения от -2 до 10 по осям. что значит это прямая линия , которая идет от 6 до 10 по нисходящей.
И ведь тут получается, что не малое кол-во людей находится за пределами доверительного интервала.

У вас есть линия регрессии, уравнение которой вынесено в заголовок, есть доверительный интервал к линии регрессии, в котором с 95% вероятностью находится условное математическое ожидание зависимой переменной (отклика).
Исходные данные и не должны попадать в этот интервал.
Как говорил Кашпировский, это нормально.

[psychologist]

Если я Вас правильно понял, то этот интервал двусторонний. Т.е. с одной стороны мат.ожидание в интервале от 5-8 а с другой от 0-3?
А откуда взялись значени 5,64 - 0,40 и чему равен х?

[100$]

Если я Вас правильно понял, то этот интервал двусторонний. Т.е. с одной стороны мат.ожидание в интервале от 5-8 а с другой от 0-3?
А откуда взялись значени 5,64 - 0,40 и чему равен х?

X-это значения оси абсцисс;
5,64-значение константы (свободного члена);
-,40- коэффициент угла наклона линии регрессии;
Итоговое уравнение: Yрасчетное=f(x)=5,64-,40*х.
Какое бы значение х вы не сунули в это уравнение, Yрасч с 95%-ной вероятностью попадет в область между двумя пунктирными линиями.
Все просто.

[psychologist]

Да, реально просто вы объясняете, я начал врубаться. Вопрос из серии критических значений. А есть ли какие-нибудь стандарты в плане угла наклона к оси абсцисс. Например 40 это хорошо, а 30 , это плохо.
И все же конкретно откуда эти числа от -2 до 10 были взяты?

[100$]

Да, реально просто вы объясняете, я начал врубаться. Вопрос из серии критических значений. А есть ли какие-нибудь стандарты в плане угла наклона к оси абсцисс. Например 40 это хорошо, а 30 , это плохо.
И все же конкретно откуда эти числа от -2 до 10 были взяты?

Реальные значения обеих переменных, названных статпакетом незатейливо measure09 и measure05, изменяются, как я погляжу, от 0 до 9.
Настроить оси на диаграмме можно в соответствии с ними.
Ну, а что вы там измеряли - это вопрос не ко мне.

И последнее. Коэффициент наклона вычисляется как коэффициент корреляции, умноженный на отношение стандартных отклонений зависимой переменной и объясняющей.
Коэффициент корреляции - случайная величина, которая проверяется на статистическую значимость по процентным точкам распределения Стьюдента.
При этом в статистике принято, что нулевую гипотезу статистическим тестом можно отклонить, но нельзя подтвердить. Поэтому решение о том, принять ли нулевую гипотезу или ограничиться вежливым "не отвергается", принимаете
лично вы. И это - не статистический акт. Именно поэтому статистика не отвечает на вопрос Маяковского "Что такое хорошо и что такое плохо". Она отвечает на вопрос о том, случайны или нет наблюдаемые различия.

[psychologist]

Хорошо сказали про маяквского))
Ладно последний вопрос меня интересовал касательно корреляций по Спирману и Кенделу. Я так понял ранги они считают одинаково, а вот корреляции по разному, не факт, что они дадут один и тот же коэф корр. на одних и тех же переменных. Исходя из этого в каких случаях уместно использовать R-spirman , а в какие тау.

[100$]

Ладно последний вопрос меня интересовал касательно корреляций по Спирману и Кенделу. Я так понял ранги они считают одинаково, а вот корреляции по разному, не факт, что они дадут один и тот же коэф корр. на одних и тех же переменных. Исходя из этого в каких случаях уместно использовать R-spirman , а в какие тау.

Спирмен, Кендалл - дело вкуса. Просто Кендалл чуть чуть "пессимистичнее" Спирмена: всегда по абсолютному значению меньше. Условия применения - стандартные для непараметрической статистики: непрерывные распределения, хотя по своей природе дают адекватное представление о корреляции и в случае порядковых данных (измеренных в порядковой шкале).

P.S. Дружище, а почему Спирмен и Кендалл - у вас с большой буквы, а Маяковский - с маленькой? Рылом не вышел?

Сообщение отредактировал 100$ - 25.02.2014 - 21:28