Однофакторный дисперсионный анализ для связанных выборок

Однофакторный дисперсионный анализ для связанных выборок, используется в тех случаях, когда необходимо определить влияние градаций независмой переменной на значений зависимой переменной измеренные на одной и той же выборке испытуемых.

Читать далее Однофакторный дисперсионный анализ для связанных выборок

Однофакторный дисперсионный анализ для несвязанных выборок

Однофакторный дисперсионный анализ для несвязанных выборок служит для исследования влияния условий какого-либо признака на изменения зависимой переменной.

Читать далее Однофакторный дисперсионный анализ для несвязанных выборок

G-критерий Знаков

G-критерий Знаков предназначен для исследования определения направления сдвига в значениях исследуемого признака в двух выборках. Критерий позволяет определить изменяются ли значения переменной при переходе от одного измерения к другому в сторону улучшения или сторону ухудшения. Он не предназначен для определения интенсивности сдвигов.

Читать далее G-критерий Знаков

t-критерий Стьюдента для независимых выборок

t-критерий Стьюдента для независимых выборок применяется для сравнения средних значений двух независимых между собой выборок.

Читать далее t-критерий Стьюдента для независимых выборок

t-критерий Стьюдента для одной выборки

t -критерий Стьюдента для одной выборки используется для сравнения дисперсии изучаемой выборки с некоторой известной заранее величиной.

Читать далее t-критерий Стьюдента для одной выборки

Коэффициент ранговой корреляции Кендалла

Коэффициент ранговой корреляции \tau-Кендалла является альтернативой методу определения корреляции r-Спирмана. Он предназначен для определения взаимосвязи между двумя ранговыми переменными.

Читать далее Коэффициент ранговой корреляции Кендалла

Коэффициент ранговой коррeляции r-Спирмена

Коэффициент ранговой корреляции r-Спирмена применяется для исследования корреляционной взаимосвязи между двумя ранговыми переменными.

Читать далее Коэффициент ранговой коррeляции r-Спирмена

Корреляция Пирсона

На нашем сайты Вы можете найти информацию относительно корреляции Пирсона:

Читать далее Корреляция Пирсона

Линейный коэффициент корреляции r-Пирсона

Коэффициент корреляции Пирсона (r-Пирсона) применяется для исследования взаимосвязи двух переменных, измеренных в метрических шкалах на одной и той же выборке. Он позволяет определить, насколько пропорциональная изменчивость двух переменных.

Данный коэффициент разработали Карл Пирсон, Фрэнсис Эджуорт и Рафаэль Уэлдон в 90-х годах XIX века. Коэффициент корреляции изменяется в пределах от минус единицы до плюс единицы.

Коэффициент корреляции r-Пирсона характеризует существование линейной связи между двумя величинами. Если связь криволинейная то он не будет работать.

Чтобы приступать к расчетам коэффициента корреляции r-Пирсона необходимо выполнение следующих условий:

  1. Исследуемые переменные X и Y должны быть распределены нормально.
  2. Исследуемые переменные X и Y должны быть измерены в интервальной шкале или шкале отношений.
  3. Количество значений в исследуемых переменных X и Y должно быть одинаковым.

При расчете коэффициент линейной корреляции Пирсона используется специальная формула. Величина коэффициента корреляции варьируется от 0 до 1.

Слабыми сторонами линейного коэффициента корреляции Пирсона являются:

  • Неустойчивость к выбросам.
  • С помощью коэффициента корреляции Пирсона можно определить только силу линейной взаимосвязи между переменными, другие виды взаимосвязей выявляются методами регрессионного анализа.

[sociallocker id=»2097″]

[/sociallocker]
[sociallocker id=»2146″]

[/sociallocker]

Расчет коэффициента корреляции Пирсона Пример коэффициента корреляции Пирсона
Расчет коэффициента корреляции Пирсона в SPSS Пример расчета коэффициента корреляции Пирсона в SPSS
Расчет коэффициента корреляции Пирсона в Excell Пример расчета коэффициента корреляции Пирсона в Excell