Изследване на зависимости. Видове корелационни зависимости.

Коефициент на корелация - същност и оценка. Коефициент на

Пирсън. (Тема 59)
Изследване на зависимости:
Една от основните задачи на статистическия анализ в медицината е да се разкрият и установят
взаимовръзките и зависимостите между различни явления, както и да се даде числова
характеристика на проявлението на зависимостите. Терминът зависимост, който се използва в
статистиката, се употребява не в широкия философски смисъл, не и в тясно математически смисъл,
а в специфично статистическия аспект за означаване на различни по форма и същество връзки и
зависимости в масовите явления, които могат да обхващат и числовода се характеризират при
статистическо изучаване. Явление – причина или фактор – представлява условие за възникването,
съществуването или промяната на друго явление (явления). Променливата, която го
характеризира, се нарича независима променлива и обикновено се означава с Х. Явление –
следствие на резултат от въздействието на явление-причина. Променливата, която го
характеризира, се нарича зависима променлива и се означава с У. Корелационна зависимост се
различава от функционалната зависимост, при която на всяко значение на независима
променлива съществува точно определено значение на зависимата променлива, описваща
резултата. Функционалната зависимост е характерна за математиката, физико-математическите
процеси и други точни науки. Тя може да се изрази с точна математическа формула. В медицината
и здравеопазването подобни чисто функционални зависимости се срещат рядко. Следователно
корелационната зависимост е непълна зависимост. Наличието на едновременно и често
разнопосочно действащи условия и фактори в реалната действителност не й позволяват да се
прояви в „чист вид“. Това налага по-особен подход при нейното обхващане и изучаване. Тя се
изучава статистически именно като корелационна зависимост, проявяваща се в съвкупността като
цяло. При нейното измерване, обаче, обикновено се стремим да установим как, в каква форма би
се проявила тя, ако би била пълна или функционална зависимост. Трябва да се знае, че
корелацията показва, че между две променливи съществува връзка, но не означава, че една
променлива е вследствие на другата. Корелацията е концепция, която свързваме със зависимост,
като например, „съществува корелация между ръста и теглото“. Статистическата процедура дава
на тези думи т.нар. техническо значение; това, което всъщност можем да направим, е да изчислим
някакво число, което да ни покаже силата на тази зависимост.

Видове корелационни зависимости:

КОгато се разглеждат зависимости между две непрекъснати променливи, трябва на първо място
да се определи дали връзката между тях функционална или статистическа. Функционалната
зависимост предполага точна математическа формула. За разлика от функционалната зависимост,
Статистическата зависимост не е идеална. Най – общо казано, точките няма да лежат идеално
върху права или друг вид линия. Поради тази разпръснатост на точките подобна диаграма се
нарича диаграма на разсейване. Положението на точките ни дава информация, както за посоката,
така и за силата на връзката, която изследваме. Ако точките са разположени от горния ляв ъгъл на
координатната система към долния десен ъгъл, казваме, че има отрицателна връзка, т.е.
стойностите на едната променлива растат, а на другата намаляват. Ако те са разположени от
долния ляв ъгъл на кординатната система към горния десен ъгъл, казваме, че има положителна
връзка. Стойностите на едната променлива растат, а стойностите на другата също. Колкото точките
се отдалечават от линията, толкова връзката между двете променливи отслабва.

Частична корелация: Това е един от методите за статистически контрол на корелацията. Тя

позволява да се опише връзката между две или повече променливи след като е извършен
статистически контрол за влиянието на някаква трета променлива. Частичната корелация се
означава с r12.3 . Това означава, че се измерва корелацията между променливи 1 и 2, като
ефектът на променлива 3 е отстранен и от двете корелирани променливи.

Получастична корелация: Това е корелация между две променливи, като ефектът на третата
променлива е отстранен само от едната корелирана променлива. Свърза се с множествена
корелация. Отбелязва се с r1(2,3) или ry(1,2). Първото означава корелация между променливи 1 и
2, като ефектът на променлива 3 е отстранен само от променлива 2. Второто означение показва
корелация между зависимата променлива у и независима променлива (1), като ефектът на
променлива (2) е отстранен само от променлива (1).

Множествена корелация: корелацияята се използва за измерване на зависимостта между две

променливи – една независима (х) и една зависима (Y), Тази концепция може да се разшири за
връзка между една променлива и комбинация от други променливи. При множествената
корелация (R) говорим за повече от една независими променливи (Х1,Х2,Х3..) I edna zawisima
promenliwa (Y). Възможно е да имаме повече от една зависими променливи и това се нарича
канонична корелация. Множествената корелация може да приема стойности от 0 до 1.
Множествената корелация може да приема стойности от 0 до 1.

Коефициент на корелация – същност и оценка:

Количествената характеристика на връзката между две променлливи, т.е. статистическата мярка
за описание на връзката между две случайни променливи, е т.нар. корелационен коефициент

Коефициентът на корелация описва до каква степен две множества от стойности са линейно

свързани. С други думи, корелационният коефициент е мярка или индекс за взаимовръзката
между две променливи. Коефициентът на корелация измерва теснотата на зависимостта. Колкото
зависимостта е по – силна, толкова е по – близък до единицата; когато се касае за линейната
зависимост, се нарича коефициент на линейната корелация. Той може да варира от -1.00 през 0.00
до +1.00. Стойност +1.00 показва пълна положителна зависимост, 0.00 показва липса на връзка, а -
1.00 показва пълна отрицаелна зависимост (когато едната променлива се увеличава, другата
намалява.

Коефициент на Пирсън:
Използва се в случаите, когато и двете променливи са дихотомни, т.е. могат да приемат
само две възможни стойности (наличие или липса на признак, отговор „да“ или „не“ и т.н.). Това е
специална модификация на коефициента на Пирсън и се изчислява по съкратена формула за r. Тъй
като и двете променливи са дискретнидихотомни, удобно е да кодираме възможните значени,
например 1 – да, 0 –не. Кодирнето е условно и може да бъде променяно. След като двете
променливи са дихотомни, те могат да бъдат представени във вид на 2 х 2 таблица, която се
нарича още „крос-таблица“. Ако Phi се изчислява от компютърнапрограма, в резултата на r (phi)
няма разлика.
 позволява да се интерпретира силата на връзката чрез стойността на 2. Може да бъде
приложен само тогава, когато стойността на 2 достига значимо ниво на вероятност.

=0, когато няма корелация; =1 когато е налице перфектна връзка.