Глава 3. Множественная корреляция и регрессия
3.1 Методы множественной корреляции и регрессии используются в тех случаях, когда набор рассматриваемых признаков разделяется на две части, одна из которых состоит из m признаков, образующих вектор
X'= X1, X2, X3, ..., Xm
а в другую - входит один показатель, который удобнее обозначить как Y. Такое обособление Y может быть вызвано конкретным видом задачи исследования. Необходимо рассмотреть корреляционную связь между признаком Y и набором других признаков X. Обычно признаки из вектора X называются независимыми переменными, а показатель Y - определяется как зависимая переменная.
В элементарной ситуации, когда набор признаков X включал только один показатель X, т.е. X = X задача, изучения корреляционной связи между Y и X предусматривает анализ двух ее аспектов. Первым из них является описание формы связи, которое заключается в определении зависимости между отдельными значениями признака Xi и соответствующим им средним уровнем признака Y. Эта задача решается при помощи построения так называемой теоретической линии регрессии Y^i = f(Xi), где Y^i - теоретическое среднее значение признака при условии того, что признак X принимает конкретное значение Xi и найденное в предположении, что корреляционная связь между значениями признаков Y и Xi может быть наилучшим образом описана функцией f(X).
Вторым аспектом корреляционной связи является ее теснота. Она позволяет сказать насколько велика вариация признака Y для отдельных наблюдений по отношению к линии регрессии. Эта изменчивость называется - остаточной и ее можно измерить соответствующей остаточной дисперсией Syo2. Мерой тесноты связи является так называемый индекс корреляции (теоретическое корреляционное отношение) величина которого определяется отношением остаточной дисперсии признака Y к общей дисперсии этого признака - Syo2/ Sy2. На основе такого отношения получается квадрат индекса корреляции в виде 1 - Syo2/ Sy2.
В подавляющем большинстве случаев корреляционные связи антропологических признаков могут быть вполне удовлетворительно описаны уравнением прямолинейной регрессии
Y^i = ao + a1Xi , (3.1)
где ao - свободный член этого уравнения, a1 - так называемый коэффициент регрессии.
- 33 -
В качестве меры тесноты связей применяется частный случай индекса корреляции - коэффициент корреляции - r. На его основе можно получить значение остаточной дисперсии Syo2 = Sy2(1 - r2). Уравнению прямолинейной регрессии соответствует так называемая регрессионная модель
Yi = Y^i + ui = ao + a1Xi + ui, (3.2)
где Yi - индивидуальное значение признака Y, которое можно представить как Y^i + ui. Компонент ui называется регрессионным остатком и является отклонением реального значения Yi от соответствующей ему регрессионной оценки Y^i то есть - имеет вид Y^i - - Yi. Изменчивость остатков ui измеряет дисперсия Syo2.
Дата добавления: 2016-02-13; просмотров: 627;