Коэффициент корреляции, определяемый по вышеуказанной формуле, относится к генеральной совокупности.

Частный коэффициент корреляции характеризует степень линейной зависимости между двумя величинами, обладает всеми свойствами парного, т.е. изменяется в пределах от–1 до +1. Если частный коэффициент корреляции равен ±1, то связь между двумя величинами функциональная, а равенство его нулю свидетельствует о линейной независимости этих величин.

Множественный коэффициент корреляции, характеризует степень линейной зависимости между величиной х₁ и остальными переменными (х₂, х₃), входящими в модель, изменяется в пределах от 0 до 1.

Ординальная (порядковая) переменная помогает упорядочивать статистически исследованные объекты по степени проявления в них анализируемого свойства.

Ранговая корреляция – статистическая связь между порядковыми переменными (измерение статистической связи между двумя или несколькими ранжировками одного и того же конечного множества объектов О₁ О₂, …, О_п.

Ранжировка – это расположение объектов в порядке убывания степени проявления в них k– го изучаемого свойства. В этом случае x^(k) называют рангом i – го объекта по k – му признаку. Раж характеризует порядковое место, которое занимает объект О_i в ряду п объектов.

К. Спирмен в 1904г предложил показатель, который служил для измерения степени тесноты связи между ранжировками

х₁^(k), x₂^(k),.., x _n ^(k) и х₁⁽ⁱ⁾, x₂⁽ⁱ⁾,.., x _n ⁽ⁱ⁾

В последствии данный коэффициент был назван ранговым коэффициентом К. Спирмен:

Методы регрессионного анализа

Термин «регрессия» ввел английский психолог и антрополог Ф.Гальтон.

Для точного описания уравнения регрессии необходимо знать закон распределения результативного показателя у. В статистической практике обычно приходится ограничиваться поиском подходящих аппроксимаций для неизвестной истинной функции регрессии Д(х), так как исследователь не располагает точным знанием условного закона распределения вероятностей анализируемого результатирующего показателя у при заданных значениях аргумента х.

Рассмотрим взаимоотношение между истинной f(х) = М(у/х). модельной регрессией у и оценкой у регрессии. Пусть результа–тив–ный показатель у связан с аргументом х соотношением:

у=2х^{1, 5} +? _i,

где E_i – случайная величина, имеющая нормальный закон распределения, причем M _? = 0 и d_? –? ².

Истинная функция регрессии в этом случае имеет вид:

f(х) = М(у/х) = 2х₁^{1, 5} 1, 5+? _i

Для наилучшего восстановления по исходным статистическим данным условного значения результативного показателя f(х) и неизвестной функции регрессии /(х) = М(у/х) наиболее часто используют следующие критерии адекватности (функции потерь).

Согласно методу наименьших квадратов минимизируется квадрат отклонения наблюдаемых значений результативного показателя yi(i= 1, 2,..., п) от модельных значений yi = f(хi), где хi значение вектора аргументов в i – м наблюдении:

? (yi – f(хi)2 > min,

Получаемая регрессия называется среднеквадратической.

y_i = f ( х_i )