Читайте также:
|
|
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 4 у также будет увеличиваться (прямая корреляция). В этом случае при осуществлении контроля за причинным фактором х характеристика у будет оставаться стабильной.
Рис. 4 Прямая (положительная) корреляция – при увеличении х, величина у также увеличивается.
На рисунке 5 показан пример легкой прямой корреляции. При увеличении x увеличивается также и у, но разброс у велик по отношению к определенному значению x.
Рис. 5 Легкая прямая (положительная) корреляция – при увеличении х, параметр у также увеличивается, но для каждого значения х разброс параметра у довольно велик.
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 6 показан пример обратной (отрицательной) корреляции. При увеличении x характеристика у уменьшается. Если причинный фактор x находится под контролем, характеристика у остается стабильной.
Рис. 6 Обратная (отрицательная) корреляция – при увеличении х, величина у уменьшается.
Рисунок 7 отражает случай легкой обратной корреляции, когда при увеличении x характеристика у уменьшается, но при этом велик разброс значений параметра у, соответствующих фиксированному значению x.
Рис. 7 Легкая обратная (отрицательная) корреляция – при увеличении х, величина у уменьшается, но при этом велик разброс значений параметра у, соответствующих фиксированному значению x.
На рисунке 8 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. 8 Отсутствие корреляции («облако»), между параметрами х и у зависимости не прослеживается.
Между параметрами x и у возможны также случаи криволинейной корреляции (рисунок 9).
Рис. 9 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. 10 Разделение диаграммы разброса на участки, имеющие прямолинейный характер
На рисунках 10 б и 10 в показаны две части верхнего рисунка 10 а. При рассмотрении рисунка 10 б можно видеть, что на нем имеет место положительная корреляция, напротив, на рисунке 10 в имеет место отрицательная корреляция. Рисунки 11 и 12 повторяют рисунок 10 для других видов криволинейных корреляционных зависимостей.
Рис. 11 Рис. 12
На рисках 13 и 14 представлена диаграмма, на которой отражены данные сразу для двух показателей – параметра А и параметра В. Эти данные на диаграмме рассеяния (Рис.13) 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. 13 Рис. 14
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. 15
На рисунках 15 представлены диаграммы для одних и тех же данных, отличаются они тем, что на рисунке 15 б) вдвое сжата шкала измерений по горизонтальной оси по отношению к рисунку 15 а), а на рисунке 15 в) - вдвое сжата шкала по вертикальной оси. Распределение, показанное на рисунке 15 а), вполне можно интерпретировать как положительную корреляцию, что отнюдь не так ясно выражено на рисунках 15 б) и 15 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.
Дата добавления: 2015-07-16; просмотров: 80 | Нарушение авторских прав
<== предыдущая страница | | | следующая страница ==> |
Пример. | | | Определение тесноты связи между исследуемыми параметрами. |