Корреляции и другие меры связи Для анализа связи между переменными есть множество показателей. Выбор подходящего показателя зависит от уровня измерения, например: 1. Номинальный уровень Тест хи-квадрат: показывает наличие или отсутствие статистической связи между переменными Анализ стандартизованных остатков: показывает наличие или отсутствие статистической связи между строками и столбцами таблицы сопряженности 2. Порядковый уровень Коэффициенты ранговой корреляции Спирмена и Кендалла: показывают наличие, направление и силу связи между переменными Коэффициенты tau-b и tau-c Кендалла: модифицированная ранговая корреляция с учетом повторяющихся/связанных рангов 3. Интервальный уровень Коэффициент корреляции Пирсона: показывает наличие, направление и силу связи между переменными Частная корреляция: проверяет связь между двумя переменными при устранения эффекта третьей В карточках – пример визуализации корреляции между двумя переменными и пороги значений коэффициентов Сегодня на открытой лекции обсудим все эти показатели, разберёмся в особенностях, посмотрим примеры использования И напоминаем, что у нас есть удобный полностью бесплатный калькулятор для расчёта стандартизованных остатков. Загружаете вашу таблицу сопряжённости —> получаете размеченные остатки —> результат можно выгрузить в EXCEL Записаться в ШАД: только открытые лекции | + практика | + разборы ДЗ #radar_school #data_analysis_school #SDA #lectures #course #data_analysis #mark_shaphir #instruments #radar_tools #significance #residuals #correlation