Kui nende tabelite erinevus on suur, siis on ka hii-ruut-statistik suure väärtusega. Kui need tabelid on täpselt ühesugused, on hii-ruut-statistiku väärtuseks 0. Seega: leitakse, kui palju tegelik jaotus erineb hüpoteetilisest jaotusest. Crameri V: Kui tunnused on sõltumatud, siis 0; tugevaim seos 1. Saab kasutada sagedustabeli kuju ja kogumi suurust arvesse võtmata. 14) Hajuvusdiagramm ja korrelatsioonikordajad seose uurimiseks kahe arvtunnuse vahel. Probleemid korrelatsioonikordajate kasutamisel. Kasvav seos Ühe tunnuse suured väärtused esinevad sageli koos teise tunnuse suurte väärtustega. Ühe tunnuse väikesed väärtused esinevad koos teise tunnuse väikeste väärtustega. Kahanev seos Ühe tunnuse suur väärtus esineb koos teise tunnuse väikese väärtusega. Seos puudub, tunnused on sõltumatud See, milline on ühe tunnuse väärtus, ei mõjusta teise tunnuse väärtust. Hajuvusdiagrammi põhjal saab anda esialgse hinnangu tunnustevahelise seose tugevusele.
4,8 49 3 5 3 2 4,85 49 3 5 3 5 4,89 71 4 5 3 5 4,91 71 4 5 3 5 Kopeerige fail korr_ja_reg.xls. Hoidke fail alles! Lehel 1 leidke korrelatsioonimaatriks toodud näitajate vahel. Analüüsige korrelatsioonikordajate usaldusväärsust. Missuguseid järeldu Vastus vormistage lühidalt vastusekasti. Gümn_keskmHinne Gümn_matem õppeaine A õppeaine B Gümn_keskmHinne 1 Gümn_matem 0,2914756837 1 õppeaine A 0,2962016783 0,4612795167 1
Total 29 Coefficients Intercept 3,64048232 Gümn_matem 8,612E-005 õppeaine A 0,05747344 õppeaine B 0,03921087 õppeaine C 0,06782115 õppeaine D 0,06799551 y=3,64+8,6*x1+0,05*x2+0,03*x3+0,068*x4+0,0 1. Ül.11.1 (Points: 2) Kopeerige fail korr_ja_reg.xls. Hoidke fail alles! Lehel 1 leidke korrelatsioonimaatriks toodud näitajate vahel. Analüüsige korrelatsioonikordajate usaldusväärsust. Missuguseid järeldusi saate teha saadud korrelatsioonikordajate põhjal? Vastus vormistage lühidalt vastusekasti. Täpsustus ül. 11 vastuse kohta! Pidage silmas, et korrelatsioonikordaja näitab seose tugevust kahe tunnuse vahel. Seega kirjutage vastusesse kõigi 15 võimaliku korrelatsioonikordaja kohta missuguste tunnuste vahelist korr. kordajat käsitlete, selle väärtus, usaldatavus ja sisuline selgitus.
.............................................................19 Lisa 3. Analüüsis kasutatud andmed.....................................................................................20 Lisa 3 järg..............................................................................................................................21 Lisa 4. Kirjeldav statistika....................................................................................................23 Lisa 5. Esialgse mudeli korrelatsioonikordajate maatriks....................................................24 Lisa 6. Korrelatsioonikordajate statistilised olulisused (p-väärtused)..................................25 Lisa 7. Esialgne hinnatud mudel...........................................................................................26 Lisa 8. Teine hinnatud mudel (ilma meeste osakaaluta).......................................................27 Lisa 9. Kolmas hinnatud mudel (ilma meeste osakaaluta ja linlaste osakaaluta)....
· Uurides seost nominaaltunnuste vahel võetakse appi risttabel. · Seost risttabelis mõõdetakse hii-ruut-statistiku (c²-statistiku) abiga. Crameri V - Kui tunnused on sõltumatud, siis 0; tugevaim seos 1. · Saab kasutada sagedustabeli kuju ja kogumi suurust arvesse võtmata. 14) Hajuvusdiagramm ja korrelatsioonikordajad seose uurimiseks kahe arvtunnuse vahel. Spearmani korrelatsioonikordaja järjestustunnuste korral. Probleemid korrelatsioonikordajate kasutamisel. Hajuvusdiagrammi põhjal saab anda esialgse hinnangu tunnustevahelise seose tugevusele. Vastavalt sellele, milline on korrelatsioonikordaja märk, räägitakse positiivsest ja negatiivsest korrelatsioonist tunnuste vahel. Kui tunnuste vahel on kasvav seos, on korrelatsioonikordaja positiivne. Kui tunnuste vahel on kahanev seos, on korrelatsioonikordaja negatiivne. Spearmani korrelatsioonikordaja kasutab mõõtmistulemuste asemel nende astakuid.
(x) - kasutada piiratud juhtudel, sõltuvalt tunnusest; + - võib leida; - - kindalasti ei tohi andmeanalüüsis kasutada. Lisa. · Geomeetriline keskmine sobib positiivsete väärtustega tunnuse jaoks ( nullväärtusteta), kui tunnusel leidub üksikuid eriti suuri väärtusi, mis pole erindid. · Ruutkeskmisel on eriti suur rakenduslik väärtus just dispersioonanalüüsis, korrelatsioonikordajate leidmisel ja ka statistilise rea tasandamisel. Peale ruutkeskmise kasutatakse ka kuup ja neljanda astme keskmisi. · Mitme asendikeskmise kasutamine annab valimi kohta rohkem teavet, eriti kui nad üksteisest erinevad ja pole õige väita, et üks neist on parem kui teine. · Sümmeetrilise arvtunnuse korral langevad mediaan ja keskväärtus kokku. Mediaan pole tundlik jämedate vigade suhtes: mediaani väärtust ei mõjuta see, kas variatsioonirea
tühje (või väga väikese vastajate arvuga) lahtreid. · Et neid vältida, on vahel kasulik tunnuseid ümber kodeerida: liita mõned väga väheste vastajate arvudega grupid või kategooriad kokku. Ümberkodeerimise puhul tuleb aga silmas pidada, et liidetud gruppide sees ilmnenud erinevused lähevad siis kaotsi. 14) Hajuvusdiagramm(HD) ja korrelatsioonikordajad seose uurimiseks kahe arvtunnuse vahel. Probleemid korrelatsioonikordajate kasutamisel. HD- mitteteaduslikes töödes, punktid, kuhu poole kaldu, kasvav - suundumus alt üles. Kui punktid kindlalt kuskile poole välja veninud, siis tugev seos. ·Kasvav seos Ühe tunnuse suured väärtused esinevad sageli koos teise tunnuse suurte väärtustega. Ühe tunnuse väikesed väärtused esinevad koos teise tunnuse väikeste väärtustega. ·Kahanev seos Ühe tunnuse suur väärtus esineb koos teise tunnuse väikese väärtusega. ·Seos puudub, tunnused on sõltumatud
Tulemusena väljastatakse eelnevalt valitud lahtrisse korrelatsioonikordaja r väärtus, mis antud juhul (tudengite pikkuste ja kaalude analüüsil) on 0,9065. http://www.htg.tartu.ee/~a9tp/mirror/www.eau.ee/%257Ektanel/kool_ja_too/stat_excelis/korrel.html (1 of 3)29.05.2006 15:09:05 Andmeanalüüs MS Exceli abil - korrelatsioonanalüüs Protseduur Correlation Mitme tunnuse korral on paarikaupa korrelatsioonikordajate tabeli (korrelatsiooni- maatriksi) arvutamiseks kasutatav protseduur Correlation (Tools -> Data Analysis). Avanevas sisestusaknas tuleb määrata: Input Range - algandmete blokk (tunnused peavad paiknema järjestikustes veergudes); Grouped by - määratakse, kas tunnusvektorid on orienteeritud veerge pidi (Columns) või ridu pidi (Rows);
tulemuste analüüs pärast ürituse lõppu. kompleksanalüüs ettevõtte kogu majandusliku tegevuse põhjalik ja mitmekülgne analüüs loogilisteks komponentideks jaotamise teel ja igale komponendile iseloomulike näitajate mõõtmine, hindamine ja järelduste tegemine komponentide omavahelisi seoseid silmas pidades. kontoanalüüs konto, eriti kasumi-kahjumikonto saldo muutumise kindlakstegemine ja selle põhjuste selgitamine (account analysis) korrelatsioonianalüüs korrelatsioonikordajate ja indeksite kasutamisel põhinev analüüs, mis võimaldab selitada uuritavate nähtuste (tunnuste) vahelisi statistilisi seoseid (correlational analysis) kulu-mahu-kasumi (KMK)analüüs - analüüs, millega taotletakse leida müügihinna, käibe ning muutuv-ja püsikulude optimaalne kombinatsioon (CVP- analysis) kulude-tulude analüüs, tasuvusanalüüs, rentaablusanalüüs analüüs, millega tehakse kindlaks, kas ja kui palju tulud ületavad kulusid ning üritatakse
Kronoloogiline keskmine – kasutatakse momentridade korral kui momentidevahelised ajalõigud on võrdsed(nt kuupäevad). Geomeetriline keskmine – kordsete suuruste keskmine. Ruutjuure all korrutatakse x’d ja ruutjuurel on n peal arv(nt aastate arv). Kasutatakse siis, kui tunnuse väärtuseks on kordarvud, millest iga järgnev näitab seda, mitu korda on ta eelmisest suurem. Ruutkeskmine – rakenduslik tähtsus on suur dispersioonanalüüsis, korrelatsioonikordajate leidmisel ja muudes statistliste protseduurides. 6. Mediaan – korrastatud statistilise rea keskliige, millest mõlemale poole jääb võrdne arv liikmeid. Ühele poole jäävad on väiksemad ja teisele poole jäävad suuremad. Kvartiilid –Jagavad stat rea neljaks osaks, millel igas on võrdne arv liikmeid. Esimene kvartiil on mediaan rea esimesest poolest, teine kv. on mediaan, kolmas mediaan rea teisest poolest. Detsiilid jaotavad stat rea kümneks osaks (D1..D9)
tau-d peetakse paremaks näitajaks väiksematel valimitel. Pearsoni korrelatsioonikordaja eeldused: - muutujad peaksid olema mõõdetud intervall või suhteskaalal; - lineaarne seos muutujate vahel (hea viis testimiseks -> Scatterplot -> visuaalselt hinnata seose olemust); - ei tohiks olla märkimisväärseid erindeid (saab samuti hinnata joonise abil); - muutujad peaksid olema vähemalt ligilähedaselt normaaljaotuslikud. Korrelatsioonikordajate väärtused jäävad vahemikku -1 ja 1, kusjuures mida enam selle vahemiku piiridele lähemal, seda tugevam seos (korrelatsioon väärtusega 0 tähendab seose puudumist); ühtlasi näitab väärtuse ees olev pluss- või miinusmärk ka seos suunda. Positiivne korrelatsioonikordaja tähendab, et kui ühe muutuja väärtused kasvavad, kasvavad ka teise muutuja väärtused; negatiivne korrelatsioonikordaja aga näitab, et kui ühe muutuja väärtused kasvavad, teise muutuja väärtused kahanevad.
annaabi.ee 
