Определение вида связи между исследуемыми параметрами.

↑

▷ Содержание

⇐ ПредыдущаяСтр 4 из 6Следующая ⇒

Характер корреляционной зависимости, который определяется видом диаграммы разброса, дает представление о том, каким изменениям будет подвержен один из параметров при определенных изменениях другого.

Так, при увеличении х на рисунке 2 у также будет увеличиваться (прямая корреляция). В этом случае при осуществлении контроля за причинным фактором х характеристика у будет оставаться стабильной.

Рис. 2. Прямая (положительная) корреляция – при увеличении х, величина у также увеличивается

Рис. 3. Легкая прямая (положительная) корреляция – при увеличении х, параметр у также увеличивается, но для каждого значения х разброс параметра у довольно велик

На рисунке 3 показан пример легкой прямой корреляции. При увеличении x увеличивается также и у, но разброс у велик по отношению к определенному значению x.

С помощью контроля причинного фактора x можно до некоторой степени держать под контролем характеристику у, но необходимо также иметь в виду и другие факторы, оказывающие влияние на у.

На рисунке 4 показан пример обратной (отрицательной) корреляции. При увеличении x характеристика у уменьшается. Если причинный фактор x находится под контролем, характеристика у остается стабильной.

Рис. 4. Обратная (отрицательная) корреляция – при увеличении х, величина у уменьшается

Рис. 5. Легкая обратная (отрицательная) корреляция – при увеличении х, величина у уменьшается, но при этом велик разброс значений параметра у, соответствующих фиксированному значению x

Рисунок 5 отражает случай легкой обратной корреляции, когда при увеличении x характеристика у уменьшается, но при этом велик разброс значений параметра у, соответствующих фиксированному значению x.

На рисунке 6 показан пример отсутствия корреляции, когда никакой выраженной зависимости между x и у не наблюдается. В этом случае необходимо продолжать поиск факторов, коррелирующих с параметром у, исключив из этого поиска фактор x.

Рис. 6. Отсутствие корреляции («облако»), между параметрами х и у зависимости не прослеживается

Между параметрами x и у возможны также случаи криволинейной корреляции (рисунок 7).

Рис. 7. Диаграммы разброса с криволинейной корреляцией

Если в случае криволинейной корреляции имеется возможность диаграмму разброса разделить на участки, имеющие прямолинейный характер, проводят такое разделение и исследуют каждый участок в отдельности.

Рис. 8. Разделение диаграммы разброса на участки, имеющие прямолинейный характер

На рисунках 8 б и 8 в показаны две части верхнего рисунка 8 а. При рассмотрении рисунка 8 б можно видеть, что на нем имеет место положительная корреляция, напротив, на рисунке 8 в имеет место отрицательная корреляция. Рисунки 9 и 10 повторяют рисунок 8 для других видов криволинейных корреляционных зависимостей.

Рис. 9                                                                         Рис. 10

На рисках 11 и 12 представлена диаграмма, на которой отражены данные сразу для двух показателей – параметра А и параметра В. Эти данные на диаграмме рассеяния (Рис.11) объединены и обезличены. Кажется, что никакой корреляционной зависимости нет, но стоит только разделить параметры и для каждого из них использовать свое обозначение и корреляция сразу проявляется.

Рис. 11                           Рис. 12

При построении диаграммы рассеивания необходимо также строго следить за тем, чтобы длины осей диаграммы получились приблизительно одинаковыми, в противном случае, если шкалы выбраны плохо, это может привести к неправильной оценке информации.

Рис. 13. Диаграммы для одинаковых данных

На рисунке 13 б) вдвое сжата шкала измерений по горизонтальной оси по отношению к рисунку 13 а), а на рисунке 13 в) - вдвое сжата шкала по вертикальной оси.

Распределение, показанное на рисунке 13 а), вполне можно интерпретировать как положительную корреляцию, что отнюдь не так ясно выражено на рисунках 13 б) и 13 в); при рассмотрении этих рисунков может даже показаться, что корреляции нет вообще.

Таким образом, если шкалы выбраны плохо, это может привести к ошибочному мнению относительно изучаемого процесса.

Как видно из этих примеров, выявление того, есть корреляция или ее нет, в значительной степени зависит от размахов переменных, и совершенно не обязательно, что корреляция будет одинаковой при любых размахах. Поэтому крайне опасно сразу делать выводы по диаграмме рассеивания, а если это и делается, то требует либо проверки экспериментом, либо проведения подходящего технического исследования [9].

Познавательные статьи:



Коммуникативные барьеры и пути их преодоления

Рынок недвижимости. Сущность недвижимости

Решение задач с использованием генеалогического метода

История происхождения и развития детской игры