Ранговая корреляция. 
Экономическая информатика

Для количественных переменных, не подчиняющихся нормальному распределению, а также для переменных, принадлежащих к порядковой шкале, вместо коэффициента Пирсона используются непараметрические коэффициенты корреляции. К ним относятся коэффициент ранговой корреляции Спирмена, коэффициент ранговой корреляции Кендалла, коэффициент ранговой конкордации Кендалла и Смита и др. [1,13,14].

Для вычисления ранговых коэффициентов используют ранги, а не абсолютные значения переменных.

Коэффициент ранговой корреляции Кендалла целесообразно использовать, когда большинство наблюдений попадает в относительно небольшое число категорий (что приводит к большому количеству связанных рангов). Коэффициент ранговой корреляции Спирмена целесообразно использовать, когда существует относительно большое число категорий значений переменных.

Корреляционный анализ номинальных переменных

Признак называется номинальным, если его возможные значения описываются конечным числом состояний или градаций. В этой шкале названия могут заменяться числами, которые используются в качестве меток, т. е. только для различения объектов. К шкале наименований относятся такие признаки, как пол, цвет глаз, названия городов и стран, номера телефонов и т. п. Измерения в шкале наименований сводятся к возможности различать объекты.

При статистическом анализе двух номинальных переменных исходные данные преобразуют к виду таблицы перекрестных частот, называемой таблицей сопряженности [1,14].

Таблица 4.1 представляет собой общий вид таблицы сопряженности признаковой и0²⁾.

Таблица 4.1 Таблица сопряженности признаков.

Здесь Пу — число объектов из общего числа п обследованных, у которых значение признака О¹⁵ оказалось зарегистрированным на уровне i-й градации, а значение признака О²) — на уровне j-Pi градации.

Основным критерием степени связи номинальных переменных является коэффициент квадратичной сопряженности признаков X².

Следует отметить, что установление факта корреляционной зависимости между двумя переменными не позволяет сделать вывод относительно того, какая из переменных предшествует или является причиной изменений. Кроме того, наличие корреляции может быть связано с влиянием на обе переменные некоторого неучтенного фактора.