PQStat
Statystyczne Oprogramowanie Obliczeniowe
Strona glowna



Współczynnik korelacji tau Kendalla

Polecenie:    

Statystyka
Testy nieparametryczne (kat. uporządkowane)
zależność monotoniczna (tau-Kendalla)

kendall


Współczynnik ten (Kendall (1938)) jest wykorzystywany do badania siły związku monotonicznego pomiędzy cechami. Wyznacza się go dla skali porządkowej lub interwałowej. Wartość współczynnika korelacji tau Kendalla wylicza się według wzoru:

wzor_tau_kendall
gdzie:
nC - ilość par obserwacji, dla których wartości rang dla cechy X jak i dla cechy Y zmieniają się w tym samym kierunku (ilość par zgodnych),
nD - ilość par obserwacji, dla których wartości rang dla cechy X zmieniają się w innym kierunku niż dla cechy Y (ilość par niezgodnych),
wzor_wiazane_kendall
t - liczba przypadków wchodzących w skład rangi wiązanej.

Uwaga! τ oznacza współczynnik korelacji Kendalla w populacji, tau w próbie.

Wartość tau∈< -1; 1 > interpretujemy w następujący sposób:

  • tau ≈ 1 oznacza silną ”zgodność” uporządkowania rang (zależność monotoniczną rosnącą), tj. wzrostowi zmiennej niezależnej odpowiada wzrost zmiennej zależnej;
  • tau ≈ -1 oznacza silną ”niezgodność” uporządkowania rang (zależność monotoniczną malejącą), tj. wzrostowi zmiennej niezależnej odpowiada spadek zmiennej zależnej;
  • gdy współczynnik korelacji tau przyjmuje wartość równą lub bardzo bliską zeru wówczas nie istnieje monotoniczna zależność między badanymi parametrami (ale może istnieć związek niemonotoniczny np. sinusoidalny).

Test t do sprawdzania istotności współczynnika korelacji tau Kendalla

Test ten służy do weryfikacji hipotezy o braku zależności monotonicznej pomiędzy badanymi cechami populacji i opiera się na współczynniku korelacji Kendalla wyliczonym dla próby. Im wartość tau jest bliższa 0, tym słabszą zależnością monotoniczną związane są badane cechy.

Podstawowe warunki stosowania:

  • pomiar na skali porządkowej (interwałowej).
Hipotezy:
  • wz_h0 : τ = 0,
  • wz_h1 : τ ≠ 0.

Wyznaczoną na podstawie statystyki testowej wartość p porównujemy z poziomem istotności α:
  • jeżeli p ≤α ⇒ odrzucamy H0 przyjmując H1,
  • jeżeli p >α ⇒ nie ma podstaw odrzucić H0.


Przykład c.d. (plik PL_wiek-wzrost.pqs) -> Zobacz film

Hipotezy:
H0 : nie istnieje zależność monotoniczna pomiędzy wiekiem a wzrostem dla populacji dzieci badanej szkoły,
H1 : istnieje zależność monotoniczna pomiędzy wiekiem a wzrostem dla populacji dzieci badanej szkoły.

kendall

wykres_spearman_kendal

Porównując wartość p=000098 z poziomem istotności α = 0.05 stwierdzamy, że istnieje ważna statystycznie monotoniczna zależność pomiędzy wiekiem a wzrostem dzieci. Zależność ta jest wprost proporcjonalna, tzn. wraz ze wzrostem wieku dzieci rośnie wysokość ciała. Współczynnik korelacji Kendalla, a zatem siła związku monotonicznego pomiędzy wiekiem a wzrostem wynosi 0.7212.

RSS

Valid HTML 4.01 Transitional Poprawny CSS!

FAQ  |  Polityka prywatności  |  Kontakt
 
 Copyright© 2010-2020 PQStat Software. Wszelkie prawa zastrzeżone.