Предисловие к русскому изданию постижение через сопряжение

Вид материала

Документы

Содержание Глава 3. связь и независимость в таблицах сопряженности А и В независимы, то мы должны ожидать, что их доли в j 3.2. Выявление источников отсутствия независимости 3.3. Разбиение хи-квадрат W имеет распределение (с Правило 1. Если в исходной таблице есть с Разделение оставшихся пяти степеней свободы 3.4. Меры связи для таблиц ixj 3.5. Измерение связи с помощью 3.6. ИЗМЕРЕНИЕ СВЯЗЕЙ С ПОМОЩЬЮ l 3.7. Доверительные интервалы для х-мер 3.8. МЕРЫ СВЯЗИ, ОСНОВАННЫЕ НА c 3.9. МЕРЫ т ГУДМЕНА И КРАСКАЛА 3.10. Меры связи для таблиц с порядковыми данными S - общее число пар наблюдений, для которых либо 3.11. МЕРg ГУДМЕНА И КРАСКАЛА 3.12. МЕРА t КЕНДЭЛА 3.13. МЕРА d СОМЕРСА 3.14. Сравнение мер связи

Подобный материал:

• Содержание: Предисловие к русскому изданию, 4891.77kb.
• Предисловие к русскому изданию, 304.63kb.
• Предисловие к русскому изданию, 2977.53kb.
• Хейне П. Предисловие к русскому изданию, 9465.34kb.
• Предисловие к русскому изданию, 23302.08kb.
• Предисловие к русскому изданию, 3882.25kb.
• Предисловие к русскому изданию, 7003.78kb.
• За пределами мозга предисловие к русскому изданию, 6134.84kb.
• Предисловие к новому изданию, 3293.79kb.
• Электронная библиотека студента Православного Гуманитарного Университета, 3857.93kb.

ГЛАВА 3. СВЯЗЬ И НЕЗАВИСИМОСТЬ В ТАБЛИЦАХ СОПРЯЖЕННОСТИ

3.1. ХИ-КВАДРАТ КРИТЕРИИ ДЛЯ НЕЗАВИСИМОСТИ

Рассмотрим теперь более общий случай, когда A и В не дихотомичны, а политомичны. Мы исходим из существования I возможных категорий для переменной А, обозначаемых A₁, A₂,:A_I, и J возможных категорий для В (B₁, B₂,:,B_J). И снова первый вопрос, который приходит в голову: <А независимы ли наши две переменные?>. Наши данные представляют собой наблюдаемые частоты, распределенные по IJ ячейкам, и мы естественным образом обобщим старые обозначения, как показано в табл. 3.1.

[26]

Таблица 3.1. Наблюдаемые частоты для Ix J данных

	B1	B2	:	BJ	Всего
A1 A2 . . . AI	f1 1 f2 1 . . . fI 1	f1 2 f2 2 . . . fI 2	: :       :	f1 J f2 J . . . fI J	f1 0 f2 0 . . . fI 0
Всего	f0 1	f0 2	:	f0 J	F0 0

Можно думать, что аргументы, использованные для таблиц 2х2, сохранят свою силу. Значит, если А и В независимы, то мы должны ожидать, что их доли в j-м столбце, как и в i-й строке, будут более или менее одинаковыми для всех столбцов, т. е.

для всех i и j.

Соответственно с таблицей частот меняется и таблица теоретических вероятностей, имеющая в точности ту же самую структуру. Обозначая p_ij вероятность того, что случайно выбранный индивид попадет в ячейку (i, j), просто обобщить условие независимости (2.5), а именно, если A и В независимы, то

P_{i j}=p_{i 0}p_{0 j}; i=1,2,:,I; j=1,2,:,J (3.1)

Хотя значения {р_ij} и неизвестны, отношения {f_ij/ f₀₀} служат им оценками, и эти оценки вполне можно использовать для заключений об ожидаемых частотах ячеек при условии независимости A и В. Они имеют вид:

(3.2)

В первой главе мы вводили два критерия качества моделей: широко известную статистику X² и гораздо менее распространенную У². Теперь мы могли бы воспользоваться любой из них для выяснения, значимо ли различаются множества{е_ij} и {f_ij}, констатируя, таким образом, отсутствие независимости между A и В. Чем бы мы ни воспользовались, все равно надо знать соответствующее число степеней свободы, которое для обоих случаев одинаково.

Рассмотрим сумму

,

которую в силу (3.2) можно переписать в виде:

(3.3)

Выражение в скобках - это просто f₀₀, а значит, сумма ожидаемых частот в j-м столбце сводится к сумме наблюдаемых частот того же столбца. Легко проверить, что аналогичный результат верен и для итогов по строкам. Но, поскольку все суммы по строкам и по столбцам постоянны, выходит, что на множество объектов с {e_ij} наложены ограничения. Если нам известно (I -1) входов для какого-либо столбца, то мы, следовательно, уже знаем и итог этого столбца и можем восстановить пропущенное значение. Все это в равной мере приложимо и к строкам, поэтому можно заключить, что, если, например, ожидаемые значения известны для первых (I-1) входов в первые (J-1) столбцы, то мы знаем и условные суммы и можем восстановить пропущенные (I +J-1) входов. Все это означает, что в нашем распоряжении остается (/ - 1) (J- 1) степеней свободы для проверки качества. Отсюда для критерия X² получаем результат

, (3.4)

который нет смысла упрощать подстановкой значений e_ij. А вот крите-рий Y²:

(3.5)

можно упростить с помощью следующих алгебраических соотношений:

(3.6)

Подставляя уравнение (3.6) в (3.5), получим упрощенное выражение

(3.7)

Распределения X² и Y² лишь приблизительно соответствуют -распределению. Ярнолд [Yarnold L. K., 1970] показал, что приближение работает хорошо, пока ожидаемые частоты ячеек не опустятся до примерно трех. Он дал формулу для определения того, стоит ли пользоваться этой аппроксимацией в том или ином конкретном случае. Креддок и Флуд [Craddock J. M., Flood C. R., 1970] построили таблицы распределения X² для разнообразных малых выборок.

Пример 1.3

В табл. 3.2 представлено (фиктивное) множество данных. Можно ли доказать, что A и В не независимы? Обычно очень трудно ответить на подобный вопрос при простом визуальном рассматривании данных. Мы воспользуемся уравнением (3.2) для получения ожидаемых частот в предположении справедливости гипотезы о независимости. Так, e₁₁, частота в левой крайней верхней ячейке, равна: (60 X 20)/200 = 6.

[28]

Таблица 3.2. Условный набор частот

	B1	B2	B3	B4	Всего
A1 A2 A3	13 4 3	13 24 8	12 28 15	22 34 24	60 90 50
Всего	20	45	55	80	200

Полное множество ожидаемых частот приведено в табл. 3.3.


Таблица 3.3. Ожидаемые частоты для данных табл. 3.2 в случае независимости

	B1	B2	B3	B4	Всего
A1 A2 A3	6 9 5	13,5 20,25 11,25	16,5 24,75 13,75	24 36 20	60 90 50
Всего	20	45	55	80	200

Найдем теперь статистики для проверки качества. Так,



Верхняя 5%-ная точка -распределения при (4 - 1) х (3 - 1)==6 степенях свободы равна 12,59. Обе наши статистики гораздо больше чем 12,59; следовательно, мы должны заключить, что наблюдаемое множество чисел проявляет существенные признаки того, что A иВне независимы.

3.2. ВЫЯВЛЕНИЕ ИСТОЧНИКОВ ОТСУТСТВИЯ НЕЗАВИСИМОСТИ

Как только мы обнаруживаем какую-либо взаимозависимость меж-ду Л и В, нам сразу интересно выяснить, как эта взаимозависимость проявляется в данных. Бывает, как мы увидим на примере, что взаизависимость входов обусловлена одним-единственным наблюдением. В такой ситуации нам, конечно, захочется проверить данные на пред-

[29]

мет выявления возможной ошибки или даже описки. Важность рас-хождений между наблюдаемыми и ожидаемыми частотами проще всего обнаружить, рассматривая значения статистики Х² для отдельных ячеек.

Пример 3.2

Для данных из табл. 3.2 мы нашли, что величина X² равна 16,25. В табл. 3.4 приведены вклады в эту величину для отдельных ячеек. Из них сразу видно, что львиная доля от 16,25 падает на одну ячейку (1,1.)


Таблица 3.4. Вклады в X² для данных табл. 3.2

	B1		B2	B3		B4
A1 A2 A3		8,17 2,78 0,80	0,02 0,69 0,94		1,23 0,43 0,11	0,17 0,11 0,80

Естественной реакцией в такой ситуации должна быть проверка правильности данных. Может быть, вместо 13 на самом деле должно быть просто З?

3.3. РАЗБИЕНИЕ ХИ-КВАДРАТ

В гл. 1 мы отмечали, что если случайная величина Х имеет распределение - соответственно , а Х и У при этом независимы, то величина Z= Х + У распределена как . Отсюда следует, что если W имеет распределение (с > 1), то мы можем разложить с на компоненты, имеющие по одной степени свободы и образующие в совокупности величину Y. В ситуации нашего примера при желании легко разложить общие 6 степеней свободы так, чтобы одна из них прилагалась именно на ячейку (1,1). Научиться этому можно только на практике. Максвелл [Maxwell А. Е., 1961] детально разобрал эту процедуру, и мы сформулируем теперь некоторые из его правил, которые могут вам пригодиться.

Правило 1. Если в исходной таблице есть с степеней свободы, то ее можно разбить не более чем на с подтаблиц.

Правило 2. Каждая из наблюдаемых частот ячеек должна встречаться в одной подтаблице один и только один раз.

Правило 3. Любая условная сумма в подтаблице должна быть либо частотой в другой подтаблице, либо условной суммой исходной таблицы.

Пример 3.3

Таблица частот (табл. 3.2), как можно было видеть, в полном соответствии с таблицей ожидаемых значений при условии независимости имеет очень большую частоту в ячейке (1, 1). Для выделения этой частоты мы строим табл. 3.5, в которой переменные A и B дихотомизируются, а вход (1, 1) выбирается в качестве одного из входов новой таблицы. Величины статистик для проверки качества этих данных вычисляются как обычно и имеют

[30]

 

 


(2 - 1) х (2 - 1) = 1 степень свободы. Мы находим, что X²= 12,96 и Y²= 11,73.

Теперь осталось "пристроить" еще 5 степеней свободы. Это можно сделать многими способами. Один из них, который приглянулся автору, продемонстрирован в трех частях табл. 3.6.

Т а б л и ц а 3.5. Двойная дихотомия данных табл. 3.2.

для изоляции ячейки (1,1)

	B1	не B1	Всего
A1 неA1	13 7	47 133	60 140
Всего	20	180	200

Читателю предлагается проверить, что разбиение удовлетворяет сформулированным выше правилам. Он сможет еще обратить внимание на некую симметрию в шапках строк и столбцов.

Для этих трех таблиц тоже надо сосчитать значения X² и Y². Итоги такого подсчета представлены в табл. 3.7. Важно помнить, что для полной таблицы 3 X 4 у нас было X² = 16,25, Y² = 15,18 с 6 степенями свободы каждый. Малое различие между последним итогом, равным 16,26, и предыдущим - 16,25 объясняется ошибками округления.

Теперь мы готовы дать более ясную интерпретацию отношений между переменными А и В. Поскольку ни одна из подтаблиц из табл. 3.6 не дает никакой явной зацепки, которая позволяла бы ожидать, при условии независимости А и В, что они ведут себя так, как будто они не

	В1	не В1	Всего
А2 А3	4 3	86 47	90 50
Всего	7	133	140

Т а б л и ц а 3.6 . Разделение оставшихся пяти степеней свободы


 (в)

	В2	В3	В4	Всего
А2 А3	24 8	28 15	34 24	86 47
Всего	32	43	58	133

(б)

	В2	В3	В4	Всего
А1 не А1	13 32	12 43	22 58	47 133
Всего	45	55	80	180

Т а б л и ц а 3.7. Результаты разбиения табл. 3.2

Номер таблицы	Число ст. св.	Х2	Y2
3.5 3.6 (а) 3.6 (б) 3.6 (в)	1 2 2 1	12.96 2.36 0.78 0.16	11.73 2.49 0.80 0.16
Всего	6	16.26	15.18

 

 


[31]

зависимы, то нам остается ожидать, что принадлежность индивида к категории А₁делает весьма вероятной и его принадлежность к категории В₁ (и наоборот). Чтобы придать этому физический смысл, надо знать природу переменных и их категорий.

3.4. МЕРЫ СВЯЗИ ДЛЯ ТАБЛИЦ IXJ

В качестве альтернативы к проверке независимости двух переменных или к простой и быстрой количественной характеристике степени их независимости анализ данных часто дает значение какой-нибудь меры связи. Однако, как мы уже отмечали в предыдущей главе, многие из широко распространенных мер связи не имеют простой вероятностной интерпретации или, иначе говоря, они суть просто числа.

Есть два основных класса переменных, с которыми мы будем иметь дело. Номинальным переменным свойственны наименования их категорий, которые никак естественно не упорядочиваются. Например, переменная <фрукт> может иметь категории <яблоко>, <апельсин> и <банан>, которые можно записать в любом из шести порядков. Второй класс - это переменные, называемые порядковыми и имеющие упорядоченные категории. Например, переменная <возраст> может иметь категории <моложе 20>, <21-30>, <31-40>, <старше 40>, которые нет никакого смысла записывать в каком бы то ни было ином порядке.

В следующих параграфах мы проанализируем некоторые из наиболее распространенных мер связи, причем начнем с тех, которые лучше приспособлены для номинальных данных, а затем обратимся к данным порядковым.*

3.5. ИЗМЕРЕНИЕ СВЯЗИ С ПОМОЩЬЮ

Все три l-меры, l_ь, l_aи l, имеют очень простую структуру. В этом параграфе мы подробно остановимся на l_ь, а в следующем более кратко опишем l_a и l_ь.

Статистика l_ь основана на сравнении следующих двух ситуаций: для взятого наугад индивида, принадлежащего нашей совокупности, мы пытаемся угадать его В-категорию, когда: а) нет никакой дополнительной информации или б) известна его А -категория. Если ответы А и В совершенно не связаны, то мы не будем во второй ситуации чувствовать себя лучше, чем в первой, но в противном случае мы почувствуем некоторое улучшение. Мера l_ь охарактеризует это улучшение численно в терминах относительного прироста вероятности ошибки предсказания В-категории при переходе от одной ситуации к другой, когда предполагается, что наше предсказание обеспечивает в каждом случае наиболее вероятную из В-категорий:

(3.8)

где - наибольший вход в i-й строке таблицы, а - наибольший из итогов по столбцам. Подробности можно найти в [Goodman L.A., Kruskal E.H., 1954].

Пример 3.4

Для данных, приведенных в табл. 3.8, наибольшие наблюдения в трех строках соответственно равны: тогда как наибольший итог в столбце оказался равным

Следовательно,



 

Пример 3.5

Т а б л и ц а 3.8. Второе гипотетическое множество частот ячеек

	В1	В2	В3	В4	Всего
А1 А2 А3	10 8 11	5 16 7	18 5 3	20 13 4	53 42 25
Всего	29	28	26	37	120

Данные табл. 3.2, подчеркивают то обстоятельство, что l-меры сталкиваются с трудностями, обусловленными неравномерностью условных сумм. Это обстоятельство отчетливо проявляется в тех случаях, когда мы обнаруживаем, что максимумы строк, в данном примере равные: приходятся все на один и тот же третий столбец, который и имеет, следовательно, наибольшую условную сумму ().


В связи с этим получается, что



3.6. ИЗМЕРЕНИЕ СВЯЗЕЙ С ПОМОЩЬЮ l_а ИЛИ l

Если А и В поменять местами, т.е. интересоваться приростом эффективности предсказания А-критерия при известном В-критерии, то мы получим такую статистику:

(3.9)

где - наибольший вход в -м столбце таблицы, а - наибольшая условная сумма по строкам.

В большинстве случаев бессмысленно обращать внимание на то, как обозначены переменные. Если допустить, что наш интерес равномерно распределен между А и В, то мы получим меру:

33

[33]

 

 

 

(3.10)

Пример 3.6

Для данных из табл. 3.8 имеем:

и

следовательно,



Объединяя эти результаты с тем, что получено в примере 3.4, мы найдем



Заметим, что значение l всегда лежит между значениями и.

Пример 3.7

Для более неудобных данных из табл. 3.2 имеем:

и так что



снова воспользовавшись результатами примера 3.5, найдем



3.7. ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ ДЛЯ Х-МЕР

Наши l-меры дают характеристику связи, существующей между переменными. Было бы, однако, очень огорчительно (как мы уже отмечали в предыдущей главе в связи с Q), если бы нам пришлось остановиться на утверждении, что b = 0,12>. Ведь мы получили только оценку неизвестного значения для совокупности и теперь хотели бы получить для этого значения, которое мы запишем как L_b, оценку его доверитель-ного интервала.

Гудмен и Краскал [Goodman L.A., Kruskal Е. Н., 1963] нашли приближения для распределений всех Х-мер. Так, для l_b они показали, что следующая величина:

(3.11)

имеет приближенное единичное нормальное распределение. Здесь обозначает сумму таких , для которых значения обеспечи-

[34]

 

вают попадание , как раз в тот столбец, где наибольший итог. К счастью, это не так сложно, как кажется.

Если строки и столбцы поменять местами, то получится аналогичное (3.11) выражение для доверительного интервала , а для l формула будет несколько сложнее.

Пример 3.8

Вернемся снова к данным табл. 3.8. Наибольший итог имеет четвертый столбец (37), и он же включает число 20, наибольшее в первой строке. Однако другие максимумы строк в него не входят (это 16 и 11); значит = 20.

Подстановка в (3.11) дает

Поскольку 13,34 (-0,12) имеет единичное нормальное распределение, мы можем непосредственно выписать симметричные доверительные интервалы для :



или (-0,03; 0,27).

Обратите внимание на то, что этот доверительный интервал включает отрицательные значения, которые невозможны, поскольку . Приближение явно усложнено.

Соответствующий доверительный интервал для оказывается рав-ным (0,01; 0,35).

3.8. МЕРЫ СВЯЗИ, ОСНОВАННЫЕ НА c²

В параграфе 2.10 мы упоминали несколько функций от X². Те две из них, для которых там приводились формулы, а именно (j и С, можно использовать для таблиц Iх Jс таким же успехом, как и для таблиц 2 х 2, основываясь на определениях, даваемых уравнениями (2.16) и (2.17).

Две другие меры - V Крамера и Т Чупрова - по определению равны:

 

(3.12)

(3.13)

Mеры j и V встречаются иногда, к сожалению, и в виде квадратов. Это моментально приводит к несогласованности данных мер, в которых все ищут функцию от X², ограниченную диапазоном (0, 1).

[35]

 

 

 

Пример 3.9

В примере 3.1 мы нашли значение X² для данных табл. 3.2,которое было равно 15,18. Следовательно,



Естественно, что V и Т всегда будут подобны друг другу, причем для квадратных таблиц V = Т, а во всех остальных случаях V > Т. Аналогично очень похожи и j с С, причем j всегда больше, чем С.

3.9. МЕРЫ т ГУДМЕНА И КРАСКАЛА

Мы уже видели, что при использовании l-мер Гутмана могут возникнуть трудности (пример 3.5), и, именно имея в виду подобные обстоятельства, Гудмен и Краскал [Goodman L.A., Kruskal Е. Н., 1954] предложили очень простые меры t. Различие заключается в ином методе предсказания категории одной переменной при известной категории для другой. Вместо того чтобы всегда предсказывать наиболее вероятную категорию, t-меры предсказывают различные категории в пропорции, которая имеет место для их наблюдаемых итогов.

В результате получаются меры, гораздо более похожие на X², чем l. Например,

(3.14)

а также аналогичные формулы для t_а и t. Гудмен и Краскал [Goodman L.A., Kruskal Е. Н.,1972] нашли для этих мер выборочные дисперсии. Альтернативные подходы, использующие l-меры, предлагались Экоком [Аcock А. С., 1974] и Мостеллером [Mosteller F.,1968].

Пример 3.10

Для данных из табл. 3.2 получим



[36]

 

3.10. МЕРЫ СВЯЗИ ДЛЯ ТАБЛИЦ С ПОРЯДКОВЫМИ ДАННЫМИ

В следующих трех параграфах мы опишем три меры связи, основанные на одних и тех же важных свойствах таблицы. Они основаны на упорядоченности I категорий переменной А, представляющих I рангов, один из которых присваивается каждому из общего числа наблюдений. Примем, что те наблюдения, которые принадлежат категории 1 переменной Л, имеют более высокий ранг, чем наблюдения из категорий 2 того же фактора А, и т. д. Аналогично и для В. При положительной связи между А и В мы будем ожидать, что наблюдения, имеющие высокие ранги переменной А, будут иметь тенденцию к бо-лее высоким рангам переменной В, а для наблюдений с низкими рангами А будут характерны и низкие ранги В.

Возьмем какую-нибудь пару наблюдений, одно из которых принадлежит ячейке (i, j'), т. е. имеет категорию iпеременной А и категорию j переменной В, а второе - из ячейки (i', j'). Порядковые меры связи - это всегда простые функции от следующих четырех величин:

S - общее число пар наблюдений, для которых либо одновременно i> i' иj > j' либоi < i' и j < j';

D - общее число пар наблюдений, для которых либо i > i' и j < j'либо i < j'и j >j';

T_a - общее число пар наблюдений, для которых i=i';

T_b - общее число пар наблюдений, для которых j=j'. Когда между переменными А и В существует сильная связь, число S становится большим, а число D - малым, откуда вполне понятным становится интерес к величине разности S - D. Все три меры, к описанию которых мы теперь приступаем, различаются способом нормирования разности S - D.

3.11. МЕРg ГУДМЕНА И КРАСКАЛА

Гудмен и Краскал [Goodman L.A., Kruskal Е.Н., 1954] предложили следующую меру:

(3.15)

Эта мера имеет прямую вероятностную интерпретацию, поскольку она есть не что иное, как разность между вероятностями правильного и неправильного порядка для двух наблюдений, извлеченных из сово-купности случайно, при условии, что совпадающих рангов нет.

Если переменные А и В между собой независимы, то среднее зна-чение у обратится в 0. Однако если g=0, то отсюда вовсе не обязатель-но следует, что А и В действительно независимы. Гудмен и Краскал продемонстрировали, что вполне возможно построить такую таблицу, в которой у будет равна 0, а переменные А и В окажутся явно не независимыми. Диапазон значений для g простирается от - 1 до + 1.

Выборочное распределение g приблизительно нормально, а ее дисперсию трудно сосчитать без компьютера. Она приведена у Гудме-

[37]

на и Краскала [Goodman L.A., Kruskal E.H., 1963] и модифицирована ими же в работе 1972 г.

Пример 3.11

Продемонстрируем метод вычислений S и D на данных из табл. 3.2, которые воспроизводятся тут в табл. 3.9 для облегчения восприятия процедуры счета.

Т а б л и ц а 3.9. Данные из табл. 3.2.

Иллюстрирующие метод вычисления

SиD

B1	B2 B3 B4
A1 13	13 12 22
A24 A3 3	24 28 34 8 15 24

Для вычисления Sбудем последовательно перебирать все ячейки, умножая их частоты на общую частоту того блока ячеек, которые лежат ниже и правее нашей ячейки. Например, как видно из табл. 3.9, частота 13 в ячейке (1,1) должна умножаться на частоту прямоугольника 2 х 3, выделенного пунктиром, (она равна: 24+28+34+8+15+24=133). Совокупность таких (I - 1)(J - 1) перекрестных наблюдений и есть S. Таким образом, для табл. 3.9. мы имеем

S=13(4 + 24 + 28 + 34 + 8 + 15 + 24) + 13(28 + 34 + 15 + 24) + 12(34 + 24) + 4(8 + 15 + 24) + 24(15 + 24) + 28 x 24 = 5534.

Величина D вычисляется совершенно так же, только частота в каждой ячейке умножается на общую частоту блока, расположенного ниже и слева. Отсюда мы имеем:

D = 22(4 + 24 + 28 + 3 + 8 + 15) + 12(4 + 24 + 3 + 8) + 13(4 + 3) + 34(3 + 8) + 24(3) = 3627.

Наконец, воспользовавшись уравнением (3.15), получим



Альтернативный метод вычисления 5 и О предложил Литере [Ьеа1Ьегз В. Ь., 1977], который привел и необходимые машинные ал-горитмы.

3.12. МЕРА t КЕНДЭЛА

Кендэловское t - это известная мера ранговой корреляции, которая в своем первоначальном виде предполагала, что обе сравниваемые ранжировки не содержат совпадающих рангов. В нашем случае, конечно же, существует множество одинаковых рангов, так что требует-ся адаптация. Чтобы отличить эту меру от t Гудмена-Краскала (из параграфа 3.9), обозначим ее через t_К и получим

(3.16)

[38]

 

где T_aиT_b уже были определены в параграфе 3.10.

Пример 3.12

В примере 3.11 мы вычислили значения S и D для данных из табл. 3.2 и 3.9. Величину T_a получим, если умножить частоты ячеек на сумму частот тех из них, которые стоят правее в той же строке, и сложить все I(J-1) таких перекрестных произведений. Отсюда для наших данных имеем

Т_а = 13 (13 + 12 + 22) + 13 (12 + 22) + 12 (22) + 4 (24 + 28 + + 34) + ... + 15 (24) = 4914.

При вычислении T_b все то же самое проделывается не со строками, а со столбцами, что в нашем случае дает

Т_b = 13 (4 + 3) + 4 (3) + ... + 34 (24) = 3739.

С помощью этих частот мы получим



Удобную возможность проверить правильность счета дает соотношение



В нашем примере и Воспользовавшись теперь соотношением (3.17), мы можем убедиться, что считали без ошибок.

3.13. МЕРА d СОМЕРСА

Сомерс [Somers R. Н., 1962] предложил видоизменить предыдущую статистику, чтобы она больше подходила к случаю, когда одна переменная, скажем В, может рассматриваться как зависимая от переменной А. Эта статистика, которую мы обозначим d_ba., определяется из

(3.18)

Такую статистику можно рассматривать как разность между вероятностями получить правильный и неправильный порядок при извлечении из совокупности двух наблюдений случайным образом, когда переменная А не имеет совпадающих рангов. Она распределена приблизительно нормально с дисперсией, которая приводится у Гудмена и Краскала [Goodman L.A., Kruskal E.H., 1972].

Пример 3.13

Продолжая анализ табл. 3.9, мы найдем



 

[39]

 

в то время как обратная статистика, рассматривающая переменную А как зависимую, равна:



3.14. СРАВНЕНИЕ МЕР СВЯЗИ

Как мы уже отмечали по поводу мер связи для таблиц 2х2, каждая мера <высвечивает> свой аспект связи между переменными. Поэтому нет нужды беспокоиться о различии в значениях разных мер. Мы, например, по ходу этой главы нашли следующие меры связи для данных табл. 3.2:

Все эти меры, кроме t_b Гудмена и Краскала, можно вычислить автоматически с помощью программы, приведенной в работе [Nie N.H. et al., 1975].

При конкретном выборе среди этих мер можно было бы предпочесть l Гудмена и Краскала (для номинальных данных) или g для порядковых данных), если переменные равноправны. А если переменная В зависит от переменной А, то подходит как l_b, так и d_abСомерса.

Ни одной из этих мер, однако, не стоит приписывать роль, большую, чем роль средства предварительной прикидки перед более систематическим анализом.