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!

Полагаю, что можно. Звучит тоже нормально: лаконично, для меня - понятно. Когда мы анализируем связи в большой неоднородной группе, то можем сделать выводы с точностью до наоборот. Это - парадокс Симпсона, см. рисунок в этой теме: http://forum.disser.ru/index.php?showtopic=1998

Спасибо за ответ и ссылку!!!

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.

Добрый день. Меня интересует оценка связи между двумя непрерывным переменными, с распределением отличным от нормального. Могу ли я довольствоваться коэффициентов Спирмена, или же ненужно попытаться эти данные нормализовать и пользовать параметрическим методом?.. Пока меня интересует только сила связи, и по Спирмену у одного из параметров связь с референтной переменной она 0,6 а другого - 0,7 (ну примерно).. может ли быть такое, что при "нормализации" один из параметров будет сильнее кореллировать с рефератным, чем другой? Или же хватит вполне непараметрического критерия?
Мы предполагали что связь сильнее будет у того из параметров, что показал слабее связь.
Спасибо

Для чего?? Все же должно быть оправдано чем-то. Чем вам Спирмен не угодил?




Чего??? Коэффициент корреляции показывает силу связи. Чем больше значение (по абсолютной величине),тем сильнее связь. Но вот сама связь может быть положительной и отрицательной, и вот именно это показывает знак коэффициента.

Ясно. Спасибо. Я понимаю, что означает коэффициент короеляции и знак при нем. Я слышала как то, на конгрессе, докладчик сказал следующее: мы для оценки силы связи, пересчитали коэф корреляции, для этого мы связались со статистиками, и убедились в еще более тесной связи двух показателей, при этом про сам стат анализ он не уточнял
А моей коллеге порекомендовал статистик коэффициент корряции Пирсона ( в ее работе три коэффициента указаны, не помню какой том еще, Кэндал что ли.)., он ей преобразовал данные, логарифмируя их, и зачем то это вошло в ее работу. Ни о какой регрессии просто речь там не шла, поэтому я и спрашиваю,, это просто мои догадки были

Ну вот, начинается: найдите мне единственно правильный метод, который докажет, что наше предположение верно, а то перепробованные не хотят.

Что нужно сделать в первую очередь: посмотреть на диаграммы рассеяния.