И анализ больших данных

91 
строгой, однозначной зависимости между величинами. При изучении стохастических 
зависимостей различают корреляцию и регрессию. 
Корреляционный анализ состоит в определении степени связи между двумя слу-
чайными величинами X и Y. В качестве меры такой связи используется коэффициент 
корреляции. Коэффициент корреляции оценивается по выборке объема п связанных пар 
наблюдений (xi, yi) из совместной генеральной совокупности X и Y. Существует 
несколько типов коэффициентов корреляции, применение которых зависит от измерения 
(способа шкалирования) величин X и Y. 
Для оценки степени взаимосвязи величин X и Y, измеренных в количественных 
шкалах, используется коэффициент линейной корреляции (коэффициент Пирсона), 
предполагающий, что выборки X и Y распределены по нормальному закону. 
Коэффициент корреляции — параметр, который характеризует степень линейной 
взаимосвязи между двумя выборками, рассчитывается по формуле: 
i
i
xy
2
2
i
i
( x
x ) ( y
y )
r
( x
x )
( y
y )










Коэффициент корреляции изменяется от -1 (строгая обратная линейная 
зависимость) до 1 (строгая прямая пропорциональная зависимость). При значении 0 
линейной зависимости между двумя выборками нет.
В MS Excel для вычисления парных коэффициентов линейной корреляции 
используется специальная функция КОРРЕЛ (массив1; массив2), 
где массив1 – ссылка на диапазон ячеек первой выборки (X); 
массив2 – ссылка на диапазон ячеек второй выборки (Y). 
Пример 1. 10 школьникам были даны тесты на наглядно-образное и вербальное 
мышление. Измерялось среднее время решения заданий теста в секундах. Исследователя 
интересует вопрос: существует ли взаимосвязь между временем решения этих задач? 
Переменная X — обозначает среднее время решения наглядно-образных, а переменная 
Y— среднее время решения вербальных заданий тесто.
Рисунок 49 - Результаты вычисления коэффициента корреляции 

92 
Таблица 8 - Данные для выявления степени взаимосвязи 
№ испытуемых 
X 
Y 
1 
19 
17 
2 
32 
7 
3 
33 
17 
4 
44 
28 
5 
28 
27 
6 
35 
31 
7 
39 
20 
8 
39 
17 
9 
44 
35 
10 
44 
43 
Решение: Для выявления степени взаимосвязи, прежде всего, необходимо ввести 
данные в таблицу MS Excel (табллица 8, рисунок 49). Затем вычисляется значение 
коэффициента корреляции. Для этого курсор установите в ячейку C1. На панели 
инструментов нажмите кнопку Вставка функции (fx). В появившемся диалоговом окне 
Мастер функций выберите категорию Статистические и функцию КОРРЕЛ, после чего 
нажмите кнопку ОК. Указателем мыши введите диапазон данных выборки Х в поле 
массив1 (А1:А10). В поле массив2 введите диапазон данных выборки У (В1:В10). 
Нажмите кнопку ОК. В ячейке С1 появится значение коэффициента корреляции — 
0,54119. Далее необходимо по статистическим таблицам определить критические 
значения для полученного коэффициента корреляции (см. лекцию 7 Приложение 3). При 
нахождении критических значений для вычисленного коэффициента линейной 
корреляции Пирсона число степеней свободы рассчитывается как k = n – 2 = 8.
ккрит=0,63 > 0,54 , следовательно, гипотеза Н1 отвергается и принимается гипотеза 
H0, иными словами, связь между временем решения наглядно-образных и вербальных 
заданий теста не доказана. 
Задание для самостоятельной работы: 
1.
Определите, имеется ли взаимосвязь между рождаемостью и смертностью 
(количество на 1000 человек) в Санкт-Петербурге: 
Таблица 9 - Взаимосвязь между рождаемостью и смертностью 
Годы 
Рождаемость 
Смертность 
1991 
9,3 
12,5 
1992 
7,4 
13,5 
1993 
6,6 
17,4 
1994 
7,1 
17,2 
1995 
7,0 
15,9 
1996 
6,6 
14,2 
1997 
7,1 
16 
1998 
8,2 
13,4 
Ответ: коэффициент корреляции равен –0,726 
2. Рассчитайте коэффициент корреляции Пирсона из примера 1 и задания 1 в 
статистическом пакете Stadia (лаб. 5). Для этого выбираем процедуру 3=Корреляция в 

93 
окне Статистические методы – Параметрические тесты. Совпадают ли полученные 
значения. 
Множественная корреляция
При большом числе наблюдений, когда коэффициенты корреляции необходимо 
последовательно вычислять для нескольких выборок, для удобства получаемые 
коэффициенты сводят в таблицы, называемые корреляционными матрицами. 
Корреляционная матрица — это квадратная таблица, в которой на пересечении 
соответствующих строки и столбца находится коэффициент корреляции между 
соответствующими параметрами. 
В MS Excel для вычисления корреляционных матриц используется процедура Кор-
реляция из пакета Анализ данных. Процедура позволяет получить корреляционную 
матрицу, содержащую коэффициенты корреляции между различными параметрами. 
Для реализации процедуры необходимо: 
1. выполнить команду Сервис - Анализ данных; 
2. в появившемся списке Инструменты анализа выбрать строку Корреляция и 
нажать кнопку ОК; 
3. в появившемся диалоговом окне указать Входной интервал, то есть ввести ссыл-
ку на ячейки, содержащие анализируемые данные. Входной интервал должен содержать 
не менее двух столбцов. 
4. в разделе Группировка переключатель установить в соответствии с введенными 
данными (по столбцам или по строкам); 
5. указать выходной интервал, то есть ввести ссылку на ячейку, с которой будут 
показаны результаты анализа. Размер выходного диапазона будет определен 
автоматически, и на экран будет выведено сообщение в случае возможного наложения 
выходного диапазона на исходные данные. Нажать кнопку ОК. 
В выходной диапазон будет выведена корреляционная матрица, в которой на 
пересечении каждых строки и столбца находится коэффициент корреляции между 
соответствующими параметрами. Ячейки выходного диапазона, имеющие совпадающие 
координаты строк и столбцов, содержат значение 1, так как каждый столбец во входном 
диапазоне полностью коррелирует сам с собой 
Рассматривается 
отдельно 
каждый 
коэффициент 
корреляции 
между 
соответствующими параметрами. Отметим, что хотя в результате будет получена 
треугольная матрица, корреляционная матрица симметрична. Подразумевается, что в 
пустых клетках в правой верхней половине таблицы находятся те же коэффициенты 
корреляции, что и в нижней левой (симметрично расположенные относительно 
диагонали). 
Пример 2. Имеются ежемесячные данные наблюдений за состоянием погоды и 
посещаемостью музеев и парков (таблица 10). Необходимо определить, существует ли 
взаимосвязь между состоянием погоды и посещаемостью музеев и парков. 
Таблица 10 - Данные наблюдений 
Число ясных 
дней 
Количество 
посетителей музея 
Количество 
посетителей парка 
8 
495 
132 
14 
503 
348 
20 
380 
643 
25 
305 
865 
20 
348 
743 
15 
465 
541 

94 
Решение. Для выполнения корреляционного анализа введите в диапазон A1:G3 
исходные данные (рисунок 50). Затем в меню Сервис выберите пункт Анализ данных и 
далее укажите строку Корреляция. В появившемся диалоговом окне укажите Входной 
интервал (А2:С7). Укажите, что данные рассматриваются по столбцам. Укажите выходной 
диапазон (Е1) и нажмите кнопку ОК. 
Рисунок 50 - Результаты вычисления корреляционной матрицы из примера 2 
На рис. 2 видно, что корреляция между состоянием погоды и посещаемостью музея 
равна -0,92, а между состоянием погоды и посещаемостью парка — 0,97, между 
посещаемостью парка и музея —
-0,92. 
Таким образом, в результате анализа выявлены зависимости: сильная степень об-
ратной линейной взаимосвязи между посещаемостью музея и количеством солнечных 
дней и практически линейная (очень сильная прямая) связь между посещаемостью парка и 
состоянием погоды. Между посещаемостью музея и парка имеется сильная обратная 
взаимосвязь. 
Задание для самостоятельной работы 
1. 10 менеджеров оценивались по методике экспертных оценок психологических 
характеристик личности руководителя. 15 экспертов производили оценку каждой 
психологической характеристики по пятибальной системе (таблица 11). Психолога 
интересует вопрос, в какой взаимосвязи находятся эти характеристики руководителя 
между собой.
Таблица 11 - Психологические характеристики 
Испытуемые п/п 
тактичность 
требовательность 
критичность 
1 
70 
18 
36 
2 
60 
17 
29 
3 
70 
22 
40 
4 
46 
10 
12 
5 
58 
16 
31 
6 
69 
18 
32 
7 
32 
9 
13 

95 
8 
62 
18 
35 
9 
46 
15 
30 
10 
62 
22 
36 
Ответ: все три оцениваемые качества оказывают существенное влияние друг на 
друга, иными словами, такие качества личности менеджера, как критичность, тактичность 
и требовательность, выступают единым комплексом и в очень большой степени 
необходимы для успешности его профессиональной работы (рисунок 51). 
Рисунок 51 - Результаты вычисления корреляционной матрицы из задания 1 
2. Постройте корреляционную матрицу из примера 2 и задания 1 в статистическом 
пакете Stadia (лаб. 5). Для этого выбираем процедуру 3=Корреляция в окне 
Статистические методы – Параметрические тесты. Совпадают ли полученные значения. 

жүктеу/скачать 2,33 Mb.

Достарыңызбен бөлісу: