28 306 700 1639000 551000 28 150 000 43000 1269000 27 488 000 1268000 553000 25 721 000 6361000 591000 24 051 706 37000 356000 23 837 000 1669000 757000 23 580 000 265000 846000 1 340 021 202000 14000 Y, X1 SUMMARY OUTPUT Regression Statistics Paariskorrelatsioonikordaja on ligikaudu Multiple R 0,1995386059 korrelatsioonikordaja 0,20% ja see on positiivne keskmise R Square 0,0398156552 determinatsioonikordaja tugevusega seos. Determinatsioonikordaja populatsioonil ja Adjusted R Square 0,0198118147 korrigeeritud determinatsioonikordaja immigratsioonil on võrdne ligikaudu 3,98%,.
vajadusel välja jätta. Lineaarse korrelatsioonikordaja puuduste tõttu kasutatakse ka teisi seosekordajaid Spearmanni, Kendalli. Siis kui arvad, et nähtuste vahel peaks tulema tugev seos, aga r tuleb väga väike siiski. Korrelatsioon puudub: r=0; korrel on nullist erinev r =/ 0 (võrdusmärg läbiva kriipsuga) 17. Korrelatsioonikordaja (p) 2 juhusliku suuruse X ja Y vahelise lineaarse, seose tugevust ja suunda võimaldab mõõta lineaarne paariskorrelatsioonikordaja. Võib olla positiive/negatiivne. Saab olla vahemikus 1/+1. Kordaja märk näitab 2 juhusliku suuruse X ja Y ühise muutumise suunda. Mida suurem on kor.kordaja absoluutväärtus, seda tugevam on uuritavate nähtuste vaheline lineaarne seos. Kor.kordaja ruut ehk determinatsioonikordaja näitab kui suure osa ühe tunnuse hajuvusest saab kirjeldada teise tunnuse abil. Kui H0 on õige, siis 2 juhusliku suuruse vahel seost ei ole. 18
xkr = 2 2 = 190 4 -1 Juurdekasvude juurdekasvud ehk teist järku diferentsid on absoluutsed juurdekasvu näitajad. Juurdekasvutempo on absoluutse juurdekasvu ning selle arvutamisel aluseks võetud aegrea elemendi väärtuse suhe. Korrelatsioonikordaja väärtus on vahemikus: -1 r 1 = |1| siis on tegemist funktsionaalse seosega > |0,7| - siis on tegemist tugeva seosega < |0,3| siis seos praktiliselt puudub =0 siis nähtuste vahel seost ei ole Paariskorrelatsioonikordaja ehk Pearsoni korrelatsioonikordaja (arvtunnused, lineaarne seos) Järjestustunnuste korral kasutatavad seosekordajad on: Spearmanni korrelatsioonikordaja, Fechneri korrelatsioonikordaja, Kordaja , Somersi d, Kendalli korrelatsioonikordaja ja Kendalli Kendalli korrelatsioonikordajad: Kui tunnustel ei ole korduvaid väärtusi, saame välja arvutada Kendalli korrelatsioonikordaja. Kui esineb võrdseid tunnuseid, kasutatakse Kendalli .
st korduseid! Two-factor with replication.
43. Funktsionaalsed ja korrelatiivsed seosed – funktsionaalne
seos – tunnuste vahel on üksühene sõltuvus – ühe tunnuse konkreetsele
väärtusele vastab alati vaid üks teda mõjutava või tema poolt mõjutatava
tunnuse väärtus. Korrelatiivne seos – ühe suuruse igale väärtusele
vastab teise suuruse hulk väärtusi, mis võib esineda mingi tõenäosusega.
44. Paariskorrelatsioonikordaja, tema usaldatavus, spearmani
korrelatsioonikordaja – Korrelatsioonikordaja on tunnustevahelise seose
tugevuse näitajaks. Exelis funkts. CORREL ja protseduur CORRELATION.
Tavaliselt : tugev seos IrI>0,7; keskmine ses 0,5
korrelatiivse seose uurimisel saame leida neist kummagi regressioonifunktsiooni eraldi. Seega analoogselt lineaarse regressioonivõrrandiga y x a yx byx x saab leida ka regressioonivõrrandi x y a xy b xy y , mis iseloomustab x muutumist y muutumisel. Need kaks regressioonisirget lõikuvad omavahel mingi nurga all, kusjuures see nurk on seda väiksem, mida tugevam on uuritavate nähtuste vaheline korrelatiivne seos. 46. Korrelatsioonikordaja ja korrelatsioonisuhe Paariskorrelatsioonikordaja r leitakse regressioonikordajate kaudu järgmise võrrandi abil: rb x y kus x ja y on vastavalt muutujate x ja y standardhälbed. Korrelatsioonikordaja võib omada arvväärtusi -1 r 1 ning selle interpreteerimisel loetakse seos seda tugevamaks, mida suurem on r absoluutväärtus. Korrelatsioonikordaja märk aga näitab seose suunda. Korrelatsiooni tugevuse kohta võib öelda, et
annaabi.ee 
