Kahe tunnuse ühise käitumise uurimiseks on oluline esmalt välja selgitada, kas tunnused on sõltuvad või sõltumatud. Sõltumatud on nad siis, kui nad omavad väärtusi üksteist mõjutamata. Kui tunnused on sõltuvad, siis on ka mõtet nende ühise käitumise uurimiseks. Statistilise sõltuvuse puhul on oluline seose olemasolu, seose tugevus, seose suund ja seose kuju. Seose tugevus - selle uurimiseks kasutame korrelatsioonanalüüsi. Seose tugevust on võimalik mõõta seosekordajate abil. Seose tugevust näitab korrelatsioonikordaja absoluutväärtus. kõige tugevam on seos siis, kui ühe juhusliku suuruse väärtust teades on võimalik üheselt kindlaks teha ka teise juhusliku suuruse väärtus. • 1 – funktsionaalne seos; • >0,7 – tugev seos; • <0,3 – seos praktiliselt puudub; • 0 – seost nähtuste vahel ei eksisteeri. Korrelatsioonikordaja väärtus jääb vahemikku [-1, 1]
intensiivsust kogu teguri võimaliku muutumise intervallis; paraboolfnuktsiooni tuleb kasutada, kui tegurimõju intensiivsus sõltub teguri väärtuse paiknemisest võimaliku muutumise intervallis; ruutfunktsiooni kasutamine on põhjendatud kui vaatlusaluse teguri mõju intensiivsus sõltub mingi teise teguri väärtuse paiknemisest oma võimaliku muutumise intervallis. 189. Selgitage lineaarse regressioonimudeli seosekordajate olemust (sisu tõlgendus): mittekorreleeruvate tegurnäitajate korral; korreleeruvate tegurnäitajate korral. -Mittekorreleeruvate tegurnäitajate korral – regressioonikordaja näitab, mitme ühiku võrra muutub tulemusnäitaja Y väärtus tegurnäitaja Xi muutumisel ühe ühiku võrra teiste tegurite muutumatuse korral. - Korreleeruvate tegurnäitajate korral – regressioonikordaja iseloomustab teguri Xi arvele langevat
annaabi.ee 
