Подсчетлинейной корреляции

Вернемся снова к таблице, где приведен вес, рост и частота пульса в определенной группе больных. При анализе этих данных зачастую встает следующий вопрос: а как они взаимосвязаны друг с другом? В определенной степени этот вопрос может решить подсчет специального показателя, называемого коэффициентом корреляции.

В пакете STATISTICA можно провести разнообразный корреляционнорегрессионный анализ, однако традиционно в медицинских исследованиях чаще всего проводится подсчет коэффициента линейной корреляции (корреляции Пирсона). Рассмотрим, как это сделать.

Для начала в модуле Basic Statistics and Tables откроем таблицу, содержащую сведения о параметрах роста, веса и частоте пульса в группе больных (рис. Ш.78). Затем нужно выбрать раздел Correlation matrices в диалоговом окне Basic Statistics and Tables (или же из меню Analysis) и после этого нажать кнопку ОК. Открывается окно Pearson-Product Moment Correlation, в котором нужно указать переменные. Задавать переменные можно посредством нажатия любой из двух кнопок: One variable list (square matrix) или Two lists (rectang. matrix). В том случае, если вы нажали Two lists (rectang. matrix), номера столбцов, содержащих переменные, нужно указать в строках First variable list и Second variable list (optional) диалогового окна Select one or two variable lists и после этого нажать кнопку ОК. Если же вы для ввода переменных используете кнопку One variable list (square matrix), в строке Select variables диалогового окна Select the variables for the analysis нужно набрать номера столбцов, содержащих анализируемые переменные (номера должны в этой строке отделяться друг от друга пробелом!). Ввод переменных завершается нажатием кнопки ОК. После этого в окне Pearson-Product Moment Correlation нажимается кнопка Correlations и появляется таблица вывода, в которой указан коэффициент корреляции. Кроме этого, рекомендуется еще определять достоверность полученного коэффициента корреляции.

Полученные данные можно трактовать следующим образом: если коэффициент корреляции отрицательный, то связь между данными параметрами обратная (то есть с ростом значений одного параметра происходит уменьшение значений другого). Напротив, если коэффициент корреляции положительный, то связь между параметрами прямая (при увеличении значений одного из них наблюдается увеличение значений другого). Ниже указано,

как трактовать значения коэффициента корреляции:

? коэффициент корреляции > 0,95 — параметры связаны между собой только линейной связью;

? коэффициент корреляции < 0,95, но > 0,8 — высокая степень линейной связи между параметрами;

? коэффициент корреляции < 0,8, но > 0,6 — между параметрами существует линейная связь;

? коэффициент корреляции < 0,4 — линейной связи между параметрами нет.

Рис. III.78. Таблица, содержащая сведения о параметрах роста, веса и частоте пульса в группе больных

Значения коэффициента достоверности можно трактовать следующим образом:

? р < 0,05 — полученный коэффициент корреляции является достоверным;

? р < 0,3 — коэффициент корреляции достоверным не является, но в некоторых случаях его можно принимать во внимание;

? р > 0,4 — коэффициент корреляции достоверным не является, и принимать его во внимание нельзя ни при каких обстоятельствах.

Следует заметить, что в этом окне можно построить ряд графиков, из которых наиболее наглядной является диаграмма двухмерного рассеяния (рис. ІІІ.79). Для ее построения в диалоговом окне Pearson-Product Moment Correlation нажмите кнопку 2D scatterp. и, если нужно, укажите в строках First (horizontal) variable list и Second (vertical) variable list номера столбцов, значения которых вам нужно расположить по осям X и Y. Приведенная диаграмма удобна еще и тем, что автоматически на ней указывается уравнение линейной регрессии (на графике выделено жирным шрифтом).

Рис. III.79. Диаграмма двухмерного рассеяния