1. Понятие о корреляционной связи и предпосылки ее использования
2. Статистические методы выявления наличия корреляционной связи между двумя признаками
3. Измерение степени тесноты корреляционной связи в случае парной зависимости
4.1. Понятие о корреляционной связи и предпосылки ее использования
Статистические распределения характеризуются наличием более или менее значительной вариации в величине признака у отдельных единиц совокупности. Естественно, возникает вопрос о том, какие же причины формируют уровень признака в данной совокупности и каков конкретный вклад каждой из них. Изучение зависимости вариации признака от окружающих условий и составляет содержание теории корреляции'.
Изучение действительности показывает, что вариация каждого изучаемого признака находится в тесной связи и взаимодействии с вариацией других признаков, характеризующих исследуемую совокупность единиц. Вариация уровня производительности труда работников предприятий зависит от степени совершенства применяемого оборудования, технологии, организации производства, труда и управления и других самых различных факторов.
При изучении конкретных зависимостей одни признаки выступают в качестве факторов, обусловливающих изменение других признаков. Признаки этой первой группы в дальнейшем будем называть признаками-факторами (факторными признаками); а признаки, которые являются результатом влияния этих факторов, будем называть результативными. Например, при изучении зависимости между производительностью труда рабочих и энерговооруженностью их труда уровень производительности труда является результативным признаком, а энерговооруженность труда рабочих - факторным признаком.
Рассматривая зависимости между признаками, необходимо выделить, прежде всего, две категории зависимости: 1) функциональные и 2) корреляционные.
Функциональные связи характеризуются полным соответствием между изменением факторного признака и изменением результативной величины, и каждому значению признака-фактора соответствуют вполне определенные значения результативного признака.
В корреляционных связях между изменением факторного и результативного признака нет полного соответствия, воздействие отдельных факторов проявляется лишь в среднем при массовом наблюдении фактических данных. В простейшем случае применения корреляционной зависимости величина результативного признака рассматривается как следствие изменения только одного фактора (например, энерговооруженность труда рассматривается как причина роста производительности труда). Однако выделенный в данном примере в качестве основного признак-фактор не является единственной причиной изменения результативного признака, а наряду с ним на величину результативного признака влияет множество других причин. Как уже указывалось, на формирование уровня производительности труда на предприятии более или менее существенное влияние оказывают факторы, характеризующие степень совершенства применяемой техники и технологии, уровень механизации и автоматизации труда, специализации производства, состав работающих, текучесть кадров.
Кроме того, сам признак-фактор в свою очередь может зависеть от изменения ряда обстоятельств. В сложном взаимодействии находится результативный признак - в более общем виде он выступает как фактор изменения других признаков. Отсюда результаты корреляционного анализа имеют значение в данной связи, а интерпретация этих результатов в более общем виде требует построения системы корреляционных связей.
Одновременное воздействие на изучаемый признак большого количества самых разнообразных факторов приводит к тому, что одному и тому же значению признака-фактора соответствует целое распределение значений результативного признака, поскольку в каждом конкретном случае прочие факторные признаки могут изменять силу и направленность своего воздействия.
При сравнении функциональных и корреляционных зависимостей следует иметь в виду, что при наличии функциональной зависимости между признаками можно, зная величину факторного признака, точно определить величину результативного признака. При наличии же корреляционной зависимости устанавливается лишь тенденция изменения результативного признака при изменении величины факторного признака. В отличие от жесткости однозначно функциональной связи корреляционные связи характеризуются множеством причин и следствий и устанавливаются лишь их тенденции.
Необходимо отметить, что экономической теории принадлежит решающее слово в обосновании связей между теми или иными признаками. При этом теоретический анализ должен показать, какие факторы влияют на исследуемый признак или же влияние каких факторов должно быть проверено. Статистическое выражение связи между явлениями может показать, что изменения одного из сопоставляемых признаков сопровождаются изменениями другого. Следовательно, нужно искать объяснение этим изменениям в их содержательном анализе. С помощью статистических методов изучения зависимостей можно установить, как проявляется теоретически возможная связь в данных конкретных условиях. Статистика не только отвечает на вопрос о реальном существовании намеченной теоретическим анализом связи, но и дает количественную характеристику этой зависимости. Зная характер зависимости одного явления от других, можно объяснить причины и размер изменений в явлении, а также планировать необходимые мероприятия для дальнейшего его изменения.
При исследовании корреляционных зависимостей между признаками решению подлежит широкий круг вопросов, к которым следует отнести: 1) предварительный анализ свойств моделируемой совокупности единиц; 2) установление факта наличия связи, определение ее направления и формы; 3) измерение степени тесноты связи между признаками; 4) построение регрессионной модели, т.е. нахождение аналитического выражения связи; 5) оценка адекватности модели, ее экономическая интерпретация и практическое использование.
Для того чтобы результаты корреляционного анализа нашли практическое применение и дали желаемый результат, должны выполняться определенные требования в отношении отбора объекта исследования и признаков-факторов. Одним из важнейших условий правильного применения методов корреляционного анализа является требование однородности тех единиц, которые подвергаются изучению методами корреляционного анализа. Например, при корреляционном анализе зависимостей тех или иных технико-экономических показателей работы предприятий от определенных факторов должны быть отобраны предприятия, выпускающие однотипную продукцию, имеющие одинаковый характер технологического процесса и тип используемого оборудования, для предприятий добывающей промышленности определенную роль играет и географическое размещение предприятий.
При выполнении указанных общих требований далее необходима количественная оценка однородности исследуемой совокупности по комплексу признаков. Одним из возможных вариантов такой оценки является расчет относительных показателей вариации. Традиционно широкое распространение для этих целей получил коэффициент вариации. Несколько реже применяется отношение размаха вариации к среднеквадратическому отклонению. Вывод о неоднородности исследуемой совокупности по тому или иному признаку требует проверки гипотезы о принадлежности «выделяющихся» (аномальных) значений признака исследуемой генеральной совокупности.
Другим важным требованием, обеспечивающим надежность выводов корреляционного анализа, является требование достаточного числа наблюдений. Как уже указывалось, влияние существенных причин может быть затушевано действием случайных факторов, «взаимопогашение» влияния которых на результативный показатель в известной мере происходит при выведении средней результативного показателя для массы случаев.
Определенные требования существуют и в отношении факторов, вводимых в исследование. Все множество факторов, оказывающих влияние на величину результативного показателя, в действительности не может быть введено в рассмотрение, да практически в этом и нет необходимости, так как их роль и значение в формировании величины результативного, показателя могут иметь существенные различия. Поэтому при ограничении числа факторов, включаемых в изучение, наряду с качественным анализом целесообразно использовать и определенные количественные оценки, позволяющие конкретно охарактеризовать влияние факторов на результативный показатель (к оценкам можно отнести парные коэффициенты корреляции, ранговые коэффициенты при экспертной оценке влияния факторов). Включаемые в исследование факторы должны быть независимыми друг от друга, так как наличие тесной связи между ними свидетельствует о том, что они характеризуют одни и те же стороны изучаемого явления и в значительной мере дублируют друг друга.
Все основные положения теории корреляции разрабатывались применительно к предположению о нормальном характере распределения исследуемых признаков. В этой связи целесообразным является изучение формы распределения, дающее возможность в известной мере обосновать правомерность применения методов корреляционного анализа.
Проверку нормальности распределения зависимой переменной можно проводить при каждом фиксированном значении факторного признака или внутри каждого отдельного интервала группирования, на которые разбит диапазон изменения факторного признака, пользуясь различными критериями согласия. Для проверки исходной предпосылки нормальности распределения необходимо в каждой группе иметь достаточно большое количество наблюдений, что в практических исследованиях встречается довольно редко.
Следует отметить, что на практике часто сталкиваются с теми или иными отклонениями от исходных предпосылок. Однако это не означает, что мы должны отказываться от применения методов корреляционно-регрессионного анализа.
И, наконец, при построении корреляционных моделей факторы должны иметь количественное выражение, иначе составить модель корреляционной зависимости не представляется возможным.
4.2. Статистические методы выявления наличия корреляционной связи между двумя признаками
Для ответа на вопрос о наличии или отсутствии корреляционной связи используется ряд специфических методов: так называемые элементарные приемы (параллельное сопоставление рядов значений результативного и факторного признаков, графическое изображение фактических данных с помощью поля корреляции, построение групповой и корреляционной таблиц), а также дисперсионный анализ. Простейшим приемом обнаружения связи является сопоставление двух параллельных рядов - ряда значений факторного признака и соответствующих ему значений результативного признака. Значения факторного признака располагают в возрастающем порядке и затем прослеживают направление изменения величины результативного признака. Результативный признак (функцию) в дальнейшем будем обозначать через у, а факторный признак - через х.
Например, по 20 туристическим фирмам были установлены затраты на рекламу (факторный признак) и количество туристов, воспользовавшихся услугами каждой фирмы (результативный признак). В табл.1 фирмы ранжированы по величине затрат на рекламу.
Порядковые номера фирм
|
Затраты на рекламу, усл. ден. ед.
|
Количество туристов, воспользовавшихся услугами фирмы, человек
|
Порядковые номера фирм
|
Затраты на рекламу, усл. ден. ед.
|
Количество туристов, воспользовавшихся услугами фирмы, чел.
|
1
|
8
|
800
|
11
|
10
|
920
|
2
|
8
|
850
|
12
|
10
|
1060
|
3
|
8
|
720
|
13
|
10
|
950
|
4
|
9
|
850
|
14
|
11
|
900
|
5
|
9
|
800
|
15
|
11
|
1200
|
6
|
9
|
880
|
16
|
11
|
1150
|
7
|
9
|
950
|
17
|
11
|
1000
|
8
|
9
|
820
|
18
|
12
|
1200
|
9
|
10
|
900
|
19
|
12
|
1100
|
10
|
10
|
1000
|
20
|
12
|
1000
|
Можно видеть, что в целом для всей совокупности фирм увеличение затрат на рекламу приводит к увеличению количества туристов, пользующихся услугами фирмы, хотя в отдельных случаях наличие такой зависимости может и не усматриваться. Например, сопоставим данные по фирмам с порядковыми номерами 7 и 11. Здесь мы видим даже обратное соотношение: у фирмы 11 количество туристов меньше, чем у фирмы 7 и составляет 920 человек, хотя затраты на рекламу выше, чем у фирмы 7 на 1 усл. ден. ед. В каждом отдельном случае количество туристов, воспользовавшихся услугами фирмы, будет зависеть не только от размера затрат фирмы на рекламу, но и от того, как сложатся прочие факторы, определяющие величину результативного признака.
В тех случаях, когда возрастание величины факторного признака влечет за собой возрастание и величины результативного признака, говорят о возможном наличии прямой корреляционной связи. Если же с увеличением факторного признака, величина результативного признака имеет тенденцию к уменьшению, то можно предполагать обратную связь между признаками.
Однако наличие большого числа различных значений результативного признака, соответствующих одному и тому же значению признака-фактора, затрудняет восприятие таких параллельных рядов особенно при большом числе единиц, составляющих изучаемую совокупность. В таких случаях целесообразнее воспользоваться для установления факта наличия связи статистическими таблицами - корреляционными или групповыми.
Построение корреляционной таблицы начинают с группировки значений факторного и результативного признаков. Так как в приводимом примере факторный признак представлен всего пятью вариантами повторяющихся значений, достаточно в первом столбце табл. 7.2 выписать эти результаты.
Для результативного признака необходимо определить величину интервала. Для этого воспользуемся формулой Стэрджесса:
П = 1+3,322 lg n
В корреляционной таблице факторный признак х, как правило, располагают в строках, а результативный признак у - в столбцах (графах) таблицы. Числа, расположенные на пересечении строк и столбцов таблицы, означают частоту повторения данного сочетания значения х и у. Корреляционная таблица дает возможность выдвинуть предположение о наличии или отсутствии связи, а также выяснить ее направление. Если частоты в корреляционной таблице расположены на диагонали из левого верхнего угла в правый нижний угол (т.е. большим значениям фактора соответствуют большие значения функции), то можно предположить наличие прямой корреляционной зависимости между признаками. Если же частоты расположены по диагонали справа налево, то предполагают наличие обратной связи между признаками.
Уместно подчеркнуть, что при рассмотрении корреляционной таблицы важно установить расположение основной части частот. Возможны варианты, когда все клетки корреляционной таблицы окажутся заполненными. Однако это обстоятельство еще не означает, что корреляционная связь между признаками отсутствует. Нужно установить, как расположена в таблице основная масса частот. Для того чтобы сделать восприятие корреляционной таблицы более доступным и в целях более четкого выявления основной тенденции связи, можно для каждой строки рассчитать средние значения результативного признака, соответствующие определенному значению признака-фактора (каждая строка таблицы дает условное распределение у при определенном значении х). Корреляционная таблица позволяет сжато, компактно изложить материал, поэтому все последующие расчеты (показателей тесноты связи и параметров уравнения регрессии) можно вести по корреляционной таблице.
Другим возможным приемом обнаружения связи является построение групповой таблицы. Все наблюдения разбиваются на группы в зависимости от величины признака-фактора, и по каждой группе вычисляются средние значения результативного признака:
Группы туристических фирм по затратам на рекламу, усл. ден. ед.
|
Число фирм в группе
|
Среднее число туристов, воспользовавшихся услугами данной группы фирм, человек
|
I
|
2
|
3
|
8
|
3
|
790
|
9
|
5
|
860
|
10
|
5
|
966
|
11
|
4
|
1063
|
12
|
3
|
1100
|
Итого
|
20
|
4779
|
Сравнив средние значения результативного признака по группам, можно сделать вывод, что рост затрат туристических фирм на рекламу влечет за собой увеличение числа клиентов, пользующихся услугами фирмы, т.е. в рассматриваемом примере можно предположить наличие прямой корреляционной зависимости между признаками.
Корреляционная зависимость отчетливо обнаруживается только при рассмотрении средних значений результативного признака, соответствующих определенным значениям факторного признака, так как при достаточно большом числе наблюдений в каждой группе влияние прочих случайных факторов при расчете групповой средней будет взаимопогашаться, и четче выступит зависимость результативного признака от фактора, положенного в основу группировки. Иными словами, предполагается, что все прочие причины, если они носят случайный характер, при определении средней по группам взаимопогашаются, т.е. дают в каждой группе один и тот же результат. Следовательно, различия в величине средних будут связаны только с различиями в величине данного факторного признака. Если бы связи между факторным и результативным признаком не было, то все групповые средние были бы приблизительно одинаковыми по величине. Оценка существенности расхождения групповых средних лежит в основе использования методов дисперсионного анализа для выявления наличия и оценки существенности связи. Для предварительного выявления наличия связи и раскрытия ее характера, а в известной мере и для выбора формы связи применяют графический метод. Используя данные об индивидуальных значениях признака-фактора и соответствующих ему значениях результативного признака, можно построить в прямоугольных координатах точечный график, который называют «полем корреляции».
Положение каждой точки на графике определяется величиной двух признаков - уровнем затрат на рекламу и соответствующим ему числом туристов, пользующихся услугами данной фирмы. Точки корреляционного поля не лежат на одной линии, они вытянуты определенной полосой слева направо. Имеющийся в нашем распоряжении статистический материал был сгруппирован (табл. 2) и по каждому значению затрат фирм на рекламу определены значения среднего числа туристов в группе (см. гр. 3 табл. 2) Нанеся эти средние на график и соединяя последовательно отрезками прямых соответствующие им точки, получим так называемую эмпирическую линию связи.
Если эмпирическая линия связи по своему виду приближается к прямой линии, то можно предположить наличие прямолинейной корреляционной связи между признаками. Если же имеется тенденция неравномерного изменения значений результативного признака, и эмпирическая линия связи будет приближаться к какой-либо кривой, то это может быть связано с наличием криволинейной корреляционной связи.
3.3. Измерение степени тесноты корреляционной связи в случае парной зависимости
Показатели степени тесноты связи дают возможность охарактеризовать зависимость вариации результативного признака от вариации признака-фактора. В известной мере они дополняют и развивают уже отмеченные приемы обнаружения связи.
Зная показатели тесноты корреляционной связи, мы можем решать следующие группы вопросов:
1) ответить на вопрос о необходимости изучения данной связи между признаками и целесообразности ее практического применения;
2) сопоставляя показатели тесноты связи для различных ситуаций, можно судить о степени различий в ее проявлении для конкретных условий;
3) и, наконец, сопоставляя показатели тесноты связи результативного признака с различными факторами, можно выявить те факторы, которые в данных конкретных условиях являются решающими и главным образом воздействуют на формирование величины результативного признака.
К простейшим показателям степени тесноты связи относят коэффициент корреляции знаков, который был предложен немецким ученым Г.Фехнером (1801-1887). Этот показатель основан на оценке степени согласованности направлений отклонений индивидуальных значений факторного и результативного признаков от соответствующих средних. Для его расчета вычисляют средние значения результативного и факторного признаков, а затем проставляют знаки отклонений для всех значений взаимосвязанных пар признаков.
Коэффициент Фехнера может принимать различные значения в пределах от -1 до +1, Если знаки всех отклонений совпадут, то показатель будет равен 1, что свидетельствует о возможном наличии прямой связи. Если же знаки всех отклонений будут разными, тогда коэффициент Фехнера будет равен -1, что дает основание предположить наличие обратной связи.
Величина коэффициента Фехнера не зависит от величины отклонений факторного и результативного признака от соответствующей средней величины. Поэтому нельзя говорить о степени тесноты корреляционной связи, а тем более об оценке ее существенности на основании только коэффициента Фехнера. При малом объеме исходной информации коэффициент Фехнера практически решает ту же задачу, которая ставится при построении групповых и корреляционных таблиц, т.е. отвечает на вопрос о наличии и направлении корреляционной связи между признаками. В том случае, если построена корреляционная или же групповая таблица, дополнительный расчет коэффициента Фехнера не имеет практической ценности.
Более совершенным показателем степени тесноты связи является линейный коэффициент корреляции. При расчете этого показателя учитываются не только знаки отклонений индивидуальных значений признака от средней, но и сама величина таких отклонений. Однако непосредственно сопоставлять между собой полученные абсолютные величины нельзя, так как сами признаки могут быть выражены в разных единицах (как это имеет место в представленном примере), а при наличии одних и тех же единиц измерения средние могут быть различны по величине. В этой связи сравнению могут подлежать отклонения, выраженные в относительных величинах, т.е. в долях среднего квадратического отклонения (их называют нормированными отклонениями). Для того чтобы на основе сопоставления рассчитанных нормированных отклонений получить обобщающую характеристику степени тесноты связи между признаками для всей совокупности, рассчитывают среднее произведение нормированных отклонений. Полученная таким образом средняя и будет являться линейным коэффициентом корреляции. Расчет коэффициента Фехнера представлен в таблице.
Порядковый номер фирмы
|
Затраты на рекламу, усл. ден. ед.
X.
|
Количество туристов, воспользовавшихся услугами фирмы, человек
У
|
Знаки отклонений индивидуальных значений признака от средней
|
Совпадение (а) или несовпадение (в)знаков
|
для X
|
для у
|
1
|
2
|
3
|
4
|
5
|
6
|
1
|
8
|
800
|
|
|
а
|
2
|
8
|
850
|
|
-
|
а
|
3
|
8
|
720
|
|
-
|
а
|
4
|
9
|
850
|
|
|
а
|
5
|
9
|
800
|
-
|
-
|
а
|
6
|
9
|
880
|
|
|
а
|
7
|
9
|
950
|
-
|
|
а
|
8
|
9
|
820
|
-
|
|
а
|
9
|
10
|
900
|
+
|
|
Ь
|
10
|
10
|
1000
|
+
|
+
|
а
|
11
|
10
|
920
|
+
|
|
b
|
12
|
10
|
1060
|
+
|
+
|
а
|
13
|
10
|
950
|
+
|
|
b
|
14
|
11
|
900
|
+
|
|
Ь
|
15
|
11
|
1200
|
+
|
+
|
а
|
15
|
11
|
1150
|
+
|
+
|
а
|
17
|
11
|
1000
|
+
|
+
|
а
|
18
|
12
|
1200
|
+
|
+
|
а
|
19
|
12
|
1100
|
+
|
+
|
а
|
20
|
12
|
1000
|
+
|
+
|
а
|
Линейный коэффициент корреляции может принимать любые значения в пределах от -1 до +1. Чем ближе коэффициент корреляции по абсолютной величине к 1, тем теснее связь между признаками. Знак при линейном коэффициенте корреляции указывает на направление связи - прямой зависимости соответствует знак плюс, а обратный зависимости - знак минус.
Если с увеличением значений факторного признака х, результативный признак у имеет тенденцию к увеличению, то величина коэффициента корреляции будет находиться между О и 1. Если же с увеличением значений х результативный признак у имеет тенденцию к снижению, коэффициент корреляции может принимать значения в интервале от 0 до —1.
Квадрат коэффициента корреляции носит название коэффициента детерминации. В тех случаях, когда исходная информация представлена в виде корреляционной таблицы, нужно учитывать частоты повторений как индивидуальных значений факторного и результативного признаков, так и число повторений данного сочетания значений фактора и результата. Здесь еще раз следует напомнить, что сама по себе величина коэффициента корреляции не является доказательством наличия причинно-следственной связи между исследуемыми признаками, а является оценкой степени взаимной согласованности в изменениях признаков. Установлению причинно-следственной зависимости предшествует анализ качественной природы явлений. Но есть и еще одно обстоятельство, объясняющее формулировку выводов о возможном наличии связи по величине коэффициента корреляции.
Связано это с тем, что оценка степени тесноты связи с помощью коэффициента корреляции производится, как правило, на основе более или менее ограниченной информации об изучаемом явлении. Возникает вопрос, насколько правомерно наше заключение по выборочным данным в отношении действительного наличия корреляционной связи в той генеральной совокупности, из которой была произведена выборка?
Принципиально возможны случаи, когда отклонение от нуля полученной величины выборочного коэффициента корреляции оказывается целиком обусловленным неизбежными случайными колебаниями тех выборочных данных, на основании которых он вычислен. Особенно осторожно следует подходить к истолкованию полученных коэффициентов корреляции при незначительных объемах выборочной совокупности.
В этой связи и возникает необходимость оценки существенности линейного коэффициента корреляции, дающая возможность распространить выводы по результатам выборки на генеральную совокупность. В зависимости от объема выборочной совокупности предлагаются различные методы оценки существенности линейного коэффициента корреляции. В отношении приводимых ниже критериев существенности можно сделать общее замечание, касающееся свойств исходной совокупности. Этим свойством является нормальное распределение значений признака в генеральной совокупности.
Рассмотрим следующие критерии, предлагаемые в статистической литературе:
1. При большом объеме выборки, отобранной из исходной нормально распределенной совокупности, можно считать распределение линейного коэффициента корреляции приближенно нормальным со средней, равной с и дисперсией а.
Полученную величину t сравнивают с табличным значением f-критерия (число степеней свободы равно n-2). Если рассчитанная величина t превосходит табличное значение критерия t, то практически невероятно, что найденное значение обусловлено только случайными совпадениями х и у в выборке из генеральной совокупности, для которой действительное значение коэффициента корреляции равно нулю. Если же вычисленная величина f меньше, чем в таблице, то полагают, что коэффициент корреляции в генеральной совокупности в действительности равен нулю и соответственно, эмпирический коэффициент корреляции существенно не отличается от нуля.
2. Проверку гипотезы об отсутствии связи можно сделать и без вычислений, пользуясь таблицей, составленной Р. Фишером. В этой таблице показывается величина коэффициента корреляции, которая может считаться существенной при данном количестве наблюдений. При пользовании этой таблицей величину коэффициента корреляции следует искать для числа степеней свободы, равного n-2. Краткая выдержка из таблицы значений коэффициентов корреляции при различных уровнях критерия значимости приведена в табл.
n-2
|
а = 0,05
|
а = 0,02
|
а = 0,01
|
4
|
0,8114
|
0,8822
|
0,9172
|
8
|
0,6319
|
0,7155
|
0,7646
|
10
|
0,5760
|
0,6581
|
0,7079
|
13
|
0,5139
|
0,5923
|
0,6411
|
1S
|
0,4438
|
0,5155
|
0,5614
|
20
|
0,4227
|
0,4921
|
0,5368
|
25
|
0,3809
|
0,4451
|
0,4869
|
30
|
0,3494
|
0,4093
|
0,4487
|
40
|
0,3044
|
0,3578
|
0,3972
|
50
|
0,2732
|
0,3218
|
0,3541
|
60
|
0,2500
|
0,2948
|
0,3248
|
70
|
0,2319
|
0,2737
|
0,3017
|
80
|
0,2172
|
0,2565
|
0,2830
|
90
|
0,2050
|
0,2422
|
0,2673
|
100
|
0,1946
|
0,2321
|
0,2540
|
3. В тех случаях, когда линейный коэффициент корреляции, полученный по данным относительно малой выборки, близок к единице, для проверки его существенности рекомендуется использовать метод преобразованной корреляции, предложенный Р.Фишером.
Р. Фишер показал, что распределение логарифмической функции линейного коэффициента корреляции (приближается к нормальной кривой даже для выборок очень небольшого объема. |