kapitel xi - korrelationsrechnung - deskriptive statistik ·...
TRANSCRIPT
![Page 1: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/1.jpg)
Institut für Volkswirtschaftslehre (ECON)Lehrstuhl für Ökonometrie und Statistik
Kapitel XI - KorrelationsrechnungDeskriptive Statistik
Prof. Dr. W.-D. HellerHartwig Senska
Carlo Siebenschuh
![Page 2: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/2.jpg)
Aufgabe der Korrelationsrechnung
Da es bei quantitativen Merkmalen nicht immer sinnvoll ist,mittels linearer Regression einen Zusammenhang zwischenbeiden Merkmalen zu berechnen, erscheint es nützlich, eineMethode zu entwickeln, mit deren Hilfe man Hinweiseerhalten kann, ob die Anwendung der linearen Regressionberechtigt ist.Ziel der KorrelationsrechnungMessung der „Güte“ eines unterstellten linearenZusammenhangsDazu vergleichen wir die Varianz der „Trendwerte“
yi = mxi + b
mit der Varianz der y -Werte.
Kapitel XI - Korrelationsrechnung 2
![Page 3: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/3.jpg)
Aufgabe der Korrelationsrechnung
Da es bei quantitativen Merkmalen nicht immer sinnvoll ist,mittels linearer Regression einen Zusammenhang zwischenbeiden Merkmalen zu berechnen, erscheint es nützlich, eineMethode zu entwickeln, mit deren Hilfe man Hinweiseerhalten kann, ob die Anwendung der linearen Regressionberechtigt ist.Ziel der KorrelationsrechnungMessung der „Güte“ eines unterstellten linearenZusammenhangsDazu vergleichen wir die Varianz der „Trendwerte“
yi = mxi + b
mit der Varianz der y -Werte.
Kapitel XI - Korrelationsrechnung 2
![Page 4: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/4.jpg)
Aufgabe der Korrelationsrechnung
Da es bei quantitativen Merkmalen nicht immer sinnvoll ist,mittels linearer Regression einen Zusammenhang zwischenbeiden Merkmalen zu berechnen, erscheint es nützlich, eineMethode zu entwickeln, mit deren Hilfe man Hinweiseerhalten kann, ob die Anwendung der linearen Regressionberechtigt ist.Ziel der KorrelationsrechnungMessung der „Güte“ eines unterstellten linearenZusammenhangsDazu vergleichen wir die Varianz der „Trendwerte“
yi = mxi + b
mit der Varianz der y -Werte.
Kapitel XI - Korrelationsrechnung 2
![Page 5: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/5.jpg)
Bestimmtheitsmaß
Das Bestimmtheitsmaß stellt das Verhältnis aus der Varianzder y -Werte und der Varianz der y -Werte dar.Varianz der Trendwerte y :
s2y = Var(mxi + b)
= m2s2x
Varianz der y -Werte
s2y .
Somit ist das Bestimmtheitsmaß definiert als
m2 · s2x
s2y
Kapitel XI - Korrelationsrechnung 3
![Page 6: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/6.jpg)
Bestimmtheitsmaß
Das Bestimmtheitsmaß stellt das Verhältnis aus der Varianzder y -Werte und der Varianz der y -Werte dar.Varianz der Trendwerte y :
s2y = Var(mxi + b)
= m2s2x
Varianz der y -Werte
s2y .
Somit ist das Bestimmtheitsmaß definiert als
m2 · s2x
s2y
Kapitel XI - Korrelationsrechnung 3
![Page 7: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/7.jpg)
Bestimmtheitsmaß
Das Bestimmtheitsmaß stellt das Verhältnis aus der Varianzder y -Werte und der Varianz der y -Werte dar.Varianz der Trendwerte y :
s2y = Var(mxi + b)
= m2s2x
Varianz der y -Werte
s2y .
Somit ist das Bestimmtheitsmaß definiert als
m2 · s2x
s2y
Kapitel XI - Korrelationsrechnung 3
![Page 8: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/8.jpg)
Bestimmtheitsmaß
Das Bestimmtheitsmaß stellt das Verhältnis aus der Varianzder y -Werte und der Varianz der y -Werte dar.Varianz der Trendwerte y :
s2y = Var(mxi + b)
= m2s2x
Varianz der y -Werte
s2y .
Somit ist das Bestimmtheitsmaß definiert als
m2 · s2x
s2y
Kapitel XI - Korrelationsrechnung 3
![Page 9: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/9.jpg)
BestimmtheitsmaßDies kann man umformen:
m2s2x
s2y
=s2x
s2y·(
n ·∑n
i=1 xi yi −∑n
i=1 xi∑n
i=1 yi
n ·∑n
i=1 x2i − (
∑ni=1 xi )2
)2
=s2x
s2y·(∑n
i=1 xi yi − 1n ·∑n
i=1 xi∑n
i=1 yi∑ni=1 x2
i −1n (∑n
i=1 x2i )
)2
=s2x
s2y·
∑ni=1 xi yi −
∑ni=1
xin
∑ni=1 yi −
∑ni=1
yin
∑ni=1 xi +
∑ni=1
xi ·∑n
i=1yi
n∑ni=1 x2
i − 2 ·∑n
i=1xi
n∑n
i=1 xi +(∑n
i=1xi )2
n
2
=s2x
s2y·(∑n
i=1 xi yi − x ·∑n
i=1 yi − y ·∑n
i=1 xi + n · x · y∑ni=1 x2
i − 2 · x∑n
i=1 xi + n · x2
)2
=s2x
s2y·( 1
n∑n
i=1(xi − x)(yi − y)1n∑n
i=1(xi − x)2
)2
=1
s2x s2
y·
(1n
n∑i=1
(xi − x)(yi − y)
)2
.
Der Ausdruck in der Klammer stellt die Kovarianz dar (später).
Kapitel XI - Korrelationsrechnung 4
![Page 10: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/10.jpg)
BestimmtheitsmaßDies kann man umformen:
m2s2x
s2y
=s2x
s2y·(
n ·∑n
i=1 xi yi −∑n
i=1 xi∑n
i=1 yi
n ·∑n
i=1 x2i − (
∑ni=1 xi )2
)2
=s2x
s2y·(∑n
i=1 xi yi − 1n ·∑n
i=1 xi∑n
i=1 yi∑ni=1 x2
i −1n (∑n
i=1 x2i )
)2
=s2x
s2y·
∑ni=1 xi yi −
∑ni=1
xin
∑ni=1 yi −
∑ni=1
yin
∑ni=1 xi +
∑ni=1
xi ·∑n
i=1yi
n∑ni=1 x2
i − 2 ·∑n
i=1xi
n∑n
i=1 xi +(∑n
i=1xi )2
n
2
=s2x
s2y·(∑n
i=1 xi yi − x ·∑n
i=1 yi − y ·∑n
i=1 xi + n · x · y∑ni=1 x2
i − 2 · x∑n
i=1 xi + n · x2
)2
=s2x
s2y·( 1
n∑n
i=1(xi − x)(yi − y)1n∑n
i=1(xi − x)2
)2
=1
s2x s2
y·
(1n
n∑i=1
(xi − x)(yi − y)
)2
.
Der Ausdruck in der Klammer stellt die Kovarianz dar (später).
Kapitel XI - Korrelationsrechnung 4
![Page 11: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/11.jpg)
BestimmtheitsmaßDies kann man umformen:
m2s2x
s2y
=s2x
s2y·(
n ·∑n
i=1 xi yi −∑n
i=1 xi∑n
i=1 yi
n ·∑n
i=1 x2i − (
∑ni=1 xi )2
)2
=s2x
s2y·(∑n
i=1 xi yi − 1n ·∑n
i=1 xi∑n
i=1 yi∑ni=1 x2
i −1n (∑n
i=1 x2i )
)2
=s2x
s2y·
∑ni=1 xi yi −
∑ni=1
xin
∑ni=1 yi −
∑ni=1
yin
∑ni=1 xi +
∑ni=1
xi ·∑n
i=1yi
n∑ni=1 x2
i − 2 ·∑n
i=1xi
n∑n
i=1 xi +(∑n
i=1xi )2
n
2
=s2x
s2y·(∑n
i=1 xi yi − x ·∑n
i=1 yi − y ·∑n
i=1 xi + n · x · y∑ni=1 x2
i − 2 · x∑n
i=1 xi + n · x2
)2
=s2x
s2y·( 1
n∑n
i=1(xi − x)(yi − y)1n∑n
i=1(xi − x)2
)2
=1
s2x s2
y·
(1n
n∑i=1
(xi − x)(yi − y)
)2
.
Der Ausdruck in der Klammer stellt die Kovarianz dar (später).
Kapitel XI - Korrelationsrechnung 4
![Page 12: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/12.jpg)
Bestimmtheitsmaß
Das Bestimmtheitsmaß beschreibt den Anteil an der Varianzder y -Werte, der sich bei linearer Regression aus der Varianzder x -Werte begründen lässt, also den Teil der Varianz, denman auch erhalten würde, wenn der lineare Zusammenhangexakt eingehalten würde, die Störgrößen also alle gleich 0wären.
Kapitel XI - Korrelationsrechnung 5
![Page 13: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/13.jpg)
Kovarianz
Den Klammerausdruck aus dem Bestimmtheitsmaß nenntman die Kovarianz der beiden Merkmale:
Cov(x , y) = 1n ·
n∑i=1
(xi − x)(yi − y)
Analog zur Varianz lässt sich dieser Ausdruck umformen:
Cov(x , y) = 1n ·
n∑i=1
(xiyi − x yi − xi y + x y)
= 1n ·
n∑i=1
xiyi − 1n x(
n∑i=1
yi )− ( 1n ·
n∑i=1
xi )y + x y
= 1n ·
n∑i=1
xiyi − x y − x y + x y
= 1n ·
n∑i=1
xiyi − x y .
Kapitel XI - Korrelationsrechnung 6
![Page 14: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/14.jpg)
Kovarianz
Den Klammerausdruck aus dem Bestimmtheitsmaß nenntman die Kovarianz der beiden Merkmale:
Cov(x , y) = 1n ·
n∑i=1
(xi − x)(yi − y)
Analog zur Varianz lässt sich dieser Ausdruck umformen:
Cov(x , y) = 1n ·
n∑i=1
(xiyi − x yi − xi y + x y)
= 1n ·
n∑i=1
xiyi − 1n x(
n∑i=1
yi )− ( 1n ·
n∑i=1
xi )y + x y
= 1n ·
n∑i=1
xiyi − x y − x y + x y
= 1n ·
n∑i=1
xiyi − x y .
Kapitel XI - Korrelationsrechnung 6
![Page 15: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/15.jpg)
Kovarianz
Es werden das Leergewicht und das maximaleZulandungsgewicht bei PKWs betrachtet. Die Summe dieserbeiden bildet das zulässige Gesamtgewicht.
i = 1 2 3 4 5 6 7Leergewicht xi 873 967 932 1345 1138 996 1782Zuladungsgewicht yi 481 518 495 647 584 489 691zul. Gesamtgewichtzi = xi + yi 1354 1485 1427 1992 1722 1485 2473
i = 8 9 10∑
Leergewicht xi 2020 1420 1382 12855Zuladungsgewicht yi 360 648 585 5498zul. Gesamtgewichtzi = xi + yi 2380 2068 1967 18353
Kapitel XI - Korrelationsrechnung 7
![Page 16: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/16.jpg)
Kovarianz
Es werden das Leergewicht und das maximaleZulandungsgewicht bei PKWs betrachtet. Die Summe dieserbeiden bildet das zulässige Gesamtgewicht.
i = 1 2 3 4 5 6 7Leergewicht xi 873 967 932 1345 1138 996 1782Zuladungsgewicht yi 481 518 495 647 584 489 691zul. Gesamtgewichtzi = xi + yi 1354 1485 1427 1992 1722 1485 2473
i = 8 9 10∑
Leergewicht xi 2020 1420 1382 12855Zuladungsgewicht yi 360 648 585 5498zul. Gesamtgewichtzi = xi + yi 2380 2068 1967 18353
Kapitel XI - Korrelationsrechnung 7
![Page 17: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/17.jpg)
Kovarianz
Beispiel 11.1Arithmetisches Mittel für Einzelwerte und zulässigesGesamtgewicht:
i = 1 2 3 4 5 6xi 873 967 932 1345 1138 996yi 481 518 495 647 584 489x2
i 762129 935089 868624 1809025 1295044 992016y 2
i 231361 268324 245025 418609 341056 239121xi + yi 1354 1485 1427 1992 1722 1485(xi + yi )2 1833316 2205225 2036329 3968064 2965284 2205225
i = 7 8 9 10∑
xi 1782 2020 1420 1382 12855yi 691 360 648 585 5498x2
i 3175524 4080400 2016400 1909924 17844175y 2
i 477481 129600 419904 342225 3112706xi + yi 2473 2380 2068 1967 18353(xi + yi )2 6115729 5664400 4276624 3869089 35139285
Kapitel XI - Korrelationsrechnung 8
![Page 18: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/18.jpg)
Kovarianz
Beispiel 11.1Arithmetisches Mittel für Einzelwerte und zulässigesGesamtgewicht:
i = 1 2 3 4 5 6xi 873 967 932 1345 1138 996yi 481 518 495 647 584 489x2
i 762129 935089 868624 1809025 1295044 992016y 2
i 231361 268324 245025 418609 341056 239121xi + yi 1354 1485 1427 1992 1722 1485(xi + yi )2 1833316 2205225 2036329 3968064 2965284 2205225
i = 7 8 9 10∑
xi 1782 2020 1420 1382 12855yi 691 360 648 585 5498x2
i 3175524 4080400 2016400 1909924 17844175y 2
i 477481 129600 419904 342225 3112706xi + yi 2473 2380 2068 1967 18353(xi + yi )2 6115729 5664400 4276624 3869089 35139285
Kapitel XI - Korrelationsrechnung 8
![Page 19: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/19.jpg)
Kovarianz
Beispiel 11.1Arithmetisches Mittel für Einzelwerte und zulässigesGesamtgewicht:
i = 1 2 3 4 5 6xi 873 967 932 1345 1138 996yi 481 518 495 647 584 489x2
i 762129 935089 868624 1809025 1295044 992016y 2
i 231361 268324 245025 418609 341056 239121xi + yi 1354 1485 1427 1992 1722 1485(xi + yi )2 1833316 2205225 2036329 3968064 2965284 2205225
i = 7 8 9 10∑
xi 1782 2020 1420 1382 12855yi 691 360 648 585 5498x2
i 3175524 4080400 2016400 1909924 17844175y 2
i 477481 129600 419904 342225 3112706xi + yi 2473 2380 2068 1967 18353(xi + yi )2 6115729 5664400 4276624 3869089 35139285
Kapitel XI - Korrelationsrechnung 8
![Page 20: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/20.jpg)
Kovarianz
Beispiel 11.1Aus der Tabelle ermitteln wir:
s2x = 131907.25; s2
y = 8990.56;
Cov(x , y) = 2352.3 und
s2x+y = 145602.41,
also
s2x+y = s2
x + s2y + 2Cov(x , y).
Kapitel XI - Korrelationsrechnung 9
![Page 21: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/21.jpg)
Kovarianz
Varianz der Summe
s2x+y = 1
n
n∑i=1
(xi + yi − (x + y))2
= 1n
n∑i=1
(xi − x + yi − y)2
= 1n
n∑i=1
(xi − x)2 + 1n
n∑i=1
(yi − y)2 + 2 1n
n∑i=1
(xi − x)(yi − y)
= s2x + s2
y + 2Cov(x , y).
Bei der Varianz der Summe geht also wesentlich die Beziehungzwischen den Merkmalen ein, wie sie sich aus der Kovarianz ergibt.
Kapitel XI - Korrelationsrechnung 10
![Page 22: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/22.jpg)
Kovarianz
Varianz der Summe
s2x+y = 1
n
n∑i=1
(xi + yi − (x + y))2
= 1n
n∑i=1
(xi − x + yi − y)2
= 1n
n∑i=1
(xi − x)2 + 1n
n∑i=1
(yi − y)2 + 2 1n
n∑i=1
(xi − x)(yi − y)
= s2x + s2
y + 2Cov(x , y).
Bei der Varianz der Summe geht also wesentlich die Beziehungzwischen den Merkmalen ein, wie sie sich aus der Kovarianz ergibt.
Kapitel XI - Korrelationsrechnung 10
![Page 23: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/23.jpg)
Kovarianz
Kovarianz bei Verteilungen mit absoluten bzw. relativenHäufigkeitenh(a, b) bzw. p(a, b) für a ∈ M1, b ∈ M2 :
Cov(x , y) = 1n∑
a∈M1
∑b∈M2
(a − x)(b − y)h(a, b)
=∑
a∈M1
∑b∈M2
(a − x)(b − y)p(a, b).
Entsprechend gilt:
Cov(x , y) = 1n∑
a∈M1
∑b∈M2
a · b · h(a, b)− x y
=∑
a∈M1
∑b∈M2
a · b · p(a, b)− x y .
Kapitel XI - Korrelationsrechnung 11
![Page 24: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/24.jpg)
Kovarianz
Kovarianz bei Verteilungen mit absoluten bzw. relativenHäufigkeitenh(a, b) bzw. p(a, b) für a ∈ M1, b ∈ M2 :
Cov(x , y) = 1n∑
a∈M1
∑b∈M2
(a − x)(b − y)h(a, b)
=∑
a∈M1
∑b∈M2
(a − x)(b − y)p(a, b).
Entsprechend gilt:
Cov(x , y) = 1n∑
a∈M1
∑b∈M2
a · b · h(a, b)− x y
=∑
a∈M1
∑b∈M2
a · b · p(a, b)− x y .
Kapitel XI - Korrelationsrechnung 11
![Page 25: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/25.jpg)
Kovarianz
Sind die beiden Merkmale unabhängig, so gilt nachDefinition:
p(a, b) = p(a) · p(b) für a ∈ M1, b ∈ M2.
Damit ergibt sich in diesem Fall
Cov(x , y) =∑
a∈M1
∑b∈M2
(a − x)(b − y)p(a, b)
=∑
b∈M2
( ∑a∈M1
(a − x)p(a))
(b − y)p(b).
Kapitel XI - Korrelationsrechnung 12
![Page 26: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/26.jpg)
Kovarianz
Sind die beiden Merkmale unabhängig, so gilt nachDefinition:
p(a, b) = p(a) · p(b) für a ∈ M1, b ∈ M2.
Damit ergibt sich in diesem Fall
Cov(x , y) =∑
a∈M1
∑b∈M2
(a − x)(b − y)p(a, b)
=∑
b∈M2
( ∑a∈M1
(a − x)p(a))
(b − y)p(b).
Kapitel XI - Korrelationsrechnung 12
![Page 27: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/27.jpg)
Kovarianz
Für den Klammerausdruck gilt:∑a∈M1
(a − x)p(a) =∑
a∈M1
a · p(a)−∑
a∈M1
xp(a)
= x − x∑
a∈M1
p(a) = x − x = 0.
Damit gilt für unabhängige Merkmale
Cov(x , y) = 0.
Kapitel XI - Korrelationsrechnung 13
![Page 28: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/28.jpg)
Kovarianz
Für den Klammerausdruck gilt:∑a∈M1
(a − x)p(a) =∑
a∈M1
a · p(a)−∑
a∈M1
xp(a)
= x − x∑
a∈M1
p(a) = x − x = 0.
Damit gilt für unabhängige Merkmale
Cov(x , y) = 0.
Kapitel XI - Korrelationsrechnung 13
![Page 29: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/29.jpg)
Kovarianz
Beispiel 11.2Bei der Messung von Körpergröße und -gewicht von 10Personen ergab sich folgende Urliste:
(186,85), (155,70), (165,70), (186,75), (160,75),(155,50), (165,60), (175,60), (175,70), (160,65).
Kapitel XI - Korrelationsrechnung 14
![Page 30: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/30.jpg)
Kovarianz
Die Kovarianz kann mit Hilfe von folgendem Arbeitsschemaberechnet werden:
i = 1 2 3 4 5xi 186 155 165 186 160yi 85 70 70 75 75
xi yi 15810 10850 11550 13950 12000
i = 6 7 8 9 10∑
xi 155 165 175 175 160 1682yi 50 60 60 70 65 680
xi yi 7750 9900 10500 12250 10400 114960Damit erhält man:
Cov(x , y) = 0.1 · 114960− 0.01 · 1682 · 680 = 58.4.
Kapitel XI - Korrelationsrechnung 15
![Page 31: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/31.jpg)
Kovarianz
Die Kovarianz kann mit Hilfe von folgendem Arbeitsschemaberechnet werden:
i = 1 2 3 4 5xi 186 155 165 186 160yi 85 70 70 75 75
xi yi 15810 10850 11550 13950 12000
i = 6 7 8 9 10∑
xi 155 165 175 175 160 1682yi 50 60 60 70 65 680
xi yi 7750 9900 10500 12250 10400 114960Damit erhält man:
Cov(x , y) = 0.1 · 114960− 0.01 · 1682 · 680 = 58.4.
Kapitel XI - Korrelationsrechnung 15
![Page 32: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/32.jpg)
Korrelationskoeffizient
Der (Bravais-Pearson-)Korrelationskoeffizient entspricht der Kovarianzzweier Merkmale über einer statistischen Masse dividiert durch dasProdukt der beiden Standardabweichungen :
r = Cov(x , y)sx · sy
Er ist also ein Maß für den linearen Zusammenhang zweier Merkmale.Das Bestimmtheitsmaß ist wegen
r 2 = m2s2x
s2y
= (Cov(x , y))2
s2x · s2
y.
das Quadrat des Korrelationskoeffizienten.
Kapitel XI - Korrelationsrechnung 16
![Page 33: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/33.jpg)
Korrelationskoeffizient
Der (Bravais-Pearson-)Korrelationskoeffizient entspricht der Kovarianzzweier Merkmale über einer statistischen Masse dividiert durch dasProdukt der beiden Standardabweichungen :
r = Cov(x , y)sx · sy
Er ist also ein Maß für den linearen Zusammenhang zweier Merkmale.Das Bestimmtheitsmaß ist wegen
r 2 = m2s2x
s2y
= (Cov(x , y))2
s2x · s2
y.
das Quadrat des Korrelationskoeffizienten.
Kapitel XI - Korrelationsrechnung 16
![Page 34: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/34.jpg)
Korrelationskoeffizient
Der (Bravais-Pearson-)Korrelationskoeffizient entspricht der Kovarianzzweier Merkmale über einer statistischen Masse dividiert durch dasProdukt der beiden Standardabweichungen :
r = Cov(x , y)sx · sy
Er ist also ein Maß für den linearen Zusammenhang zweier Merkmale.Das Bestimmtheitsmaß ist wegen
r 2 = m2s2x
s2y
= (Cov(x , y))2
s2x · s2
y.
das Quadrat des Korrelationskoeffizienten.
Kapitel XI - Korrelationsrechnung 16
![Page 35: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/35.jpg)
Korrelationskoeffizient
Beispiel 11.3Mit den Standardabweichungen sx = 11.09 und sy = 9.27 erhältman den Korrelationskoeffizienten zu Beispiel 11.2
r = 58.411.09 · 9.27 = 0.568.
Kapitel XI - Korrelationsrechnung 17
![Page 36: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/36.jpg)
Korrelationskoeffizient
Bemerkung: Für den Korrelationskoeffizienten gilt
r = m · sxsy
,
Damit erhält man folgende Beziehungen:(a) Liegen alle Beobachtungswerte auf einer
steigenden Geraden, dann ist r > 0 und r2 = 1,also r = 1.
(b) Liegen alle Beobachtungswerte auf einerfallenden Geraden, dann ist r < 0 und r2 = 1,also r = −1.
Es gilt für r :−1 ≤ r ≤ 1.
wobei m der Anstieg der Regressionsgeraden ist. Ist also r < 0, so ist derAnstieg der Regressionsgeraden negativ, bei r > 0 ist er positiv.
Kapitel XI - Korrelationsrechnung 18
![Page 37: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/37.jpg)
Korrelationskoeffizient
Bemerkung: Für den Korrelationskoeffizienten gilt
r = m · sxsy
,
Damit erhält man folgende Beziehungen:(a) Liegen alle Beobachtungswerte auf einer
steigenden Geraden, dann ist r > 0 und r2 = 1,also r = 1.
(b) Liegen alle Beobachtungswerte auf einerfallenden Geraden, dann ist r < 0 und r2 = 1,also r = −1.
Es gilt für r :−1 ≤ r ≤ 1.
wobei m der Anstieg der Regressionsgeraden ist. Ist also r < 0, so ist derAnstieg der Regressionsgeraden negativ, bei r > 0 ist er positiv.
Kapitel XI - Korrelationsrechnung 18
![Page 38: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/38.jpg)
Korrelationskoeffizient
Bemerkung: Für den Korrelationskoeffizienten gilt
r = m · sxsy
,
Damit erhält man folgende Beziehungen:(a) Liegen alle Beobachtungswerte auf einer
steigenden Geraden, dann ist r > 0 und r2 = 1,also r = 1.
(b) Liegen alle Beobachtungswerte auf einerfallenden Geraden, dann ist r < 0 und r2 = 1,also r = −1.
Es gilt für r :−1 ≤ r ≤ 1.
wobei m der Anstieg der Regressionsgeraden ist. Ist also r < 0, so ist derAnstieg der Regressionsgeraden negativ, bei r > 0 ist er positiv.
Kapitel XI - Korrelationsrechnung 18
![Page 39: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/39.jpg)
Korrelationskoeffizient
Bemerkung: Für den Korrelationskoeffizienten gilt
r = m · sxsy
,
Damit erhält man folgende Beziehungen:(a) Liegen alle Beobachtungswerte auf einer
steigenden Geraden, dann ist r > 0 und r2 = 1,also r = 1.
(b) Liegen alle Beobachtungswerte auf einerfallenden Geraden, dann ist r < 0 und r2 = 1,also r = −1.
Es gilt für r :−1 ≤ r ≤ 1.
wobei m der Anstieg der Regressionsgeraden ist. Ist also r < 0, so ist derAnstieg der Regressionsgeraden negativ, bei r > 0 ist er positiv.
Kapitel XI - Korrelationsrechnung 18
![Page 40: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/40.jpg)
Korrelationskoeffizient
BezeichnungenGilt r > 0, so heißen die Merkmale positiv korreliert,
r = 0, so heißen die Merkmale unkorreliert,r < 0, so heißen die Merkmale negativ korreliert.
Wichtig: Sind zwei Merkmale unabhängig, so sind siealso auch unkorreliert, aber die Umkehrung giltnicht. Unkorrelierte Merkmale können abhängigsein.
Kapitel XI - Korrelationsrechnung 19
![Page 41: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/41.jpg)
Korrelationskoeffizient
BezeichnungenGilt r > 0, so heißen die Merkmale positiv korreliert,
r = 0, so heißen die Merkmale unkorreliert,r < 0, so heißen die Merkmale negativ korreliert.
Wichtig: Sind zwei Merkmale unabhängig, so sind siealso auch unkorreliert, aber die Umkehrung giltnicht. Unkorrelierte Merkmale können abhängigsein.
Kapitel XI - Korrelationsrechnung 19
![Page 42: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/42.jpg)
Korrelationskoeffizient
BezeichnungenGilt r > 0, so heißen die Merkmale positiv korreliert,
r = 0, so heißen die Merkmale unkorreliert,r < 0, so heißen die Merkmale negativ korreliert.
Wichtig: Sind zwei Merkmale unabhängig, so sind siealso auch unkorreliert, aber die Umkehrung giltnicht. Unkorrelierte Merkmale können abhängigsein.
Kapitel XI - Korrelationsrechnung 19
![Page 43: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/43.jpg)
Korrelationskoeffizient
BezeichnungenGilt r > 0, so heißen die Merkmale positiv korreliert,
r = 0, so heißen die Merkmale unkorreliert,r < 0, so heißen die Merkmale negativ korreliert.
Wichtig: Sind zwei Merkmale unabhängig, so sind siealso auch unkorreliert, aber die Umkehrung giltnicht. Unkorrelierte Merkmale können abhängigsein.
Kapitel XI - Korrelationsrechnung 19
![Page 44: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/44.jpg)
Spearmannscher Rangkorrelationskoeffizient
Bei Rangmerkmalen hat die Differenz zweier Merkmalswertekeine Aussagekraft. Damit ist auch derKorrelationskoeffizient, wenn er gebildet werden kann (etwaaus skalierten Werten), ohne direkte Bedeutung.
Die natürliche Reihenfolge lässt sich dennoch ausnutzen.Dazu ordnet man die Merkmalswerte der statistischen Reihein ihrer natürlichen Reihenfolge und ersetzt denMerkmalswert durch die entsprechende „Rangziffer“.
Kapitel XI - Korrelationsrechnung 20
![Page 45: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/45.jpg)
Spearmannscher Rangkorrelationskoeffizient
Bei Rangmerkmalen hat die Differenz zweier Merkmalswertekeine Aussagekraft. Damit ist auch derKorrelationskoeffizient, wenn er gebildet werden kann (etwaaus skalierten Werten), ohne direkte Bedeutung.
Die natürliche Reihenfolge lässt sich dennoch ausnutzen.Dazu ordnet man die Merkmalswerte der statistischen Reihein ihrer natürlichen Reihenfolge und ersetzt denMerkmalswert durch die entsprechende „Rangziffer“.
Kapitel XI - Korrelationsrechnung 20
![Page 46: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/46.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.4Seien als Prüfungsergebnisse von 6 Kandidaten befriedigend,ungenügend, sehr gut, gut, ausreichend, sehr gut bis guterzielt worden, so erhält man die geordnete Reihe
sehr gut, sehr gut bis gut, gut, befriedigend,ausreichend, ungenügend.
Die Rangziffern lauten dann:1 für sehr gut2 für sehr gut bis gut3 für gut4 für befriedigend5 für ausreichend6 für ungenügend
Kapitel XI - Korrelationsrechnung 21
![Page 47: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/47.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.4Seien als Prüfungsergebnisse von 6 Kandidaten befriedigend,ungenügend, sehr gut, gut, ausreichend, sehr gut bis guterzielt worden, so erhält man die geordnete Reihe
sehr gut, sehr gut bis gut, gut, befriedigend,ausreichend, ungenügend.
Die Rangziffern lauten dann:1 für sehr gut2 für sehr gut bis gut3 für gut4 für befriedigend5 für ausreichend6 für ungenügend
Kapitel XI - Korrelationsrechnung 21
![Page 48: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/48.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.4Seien als Prüfungsergebnisse von 6 Kandidaten befriedigend,ungenügend, sehr gut, gut, ausreichend, sehr gut bis guterzielt worden, so erhält man die geordnete Reihe
sehr gut, sehr gut bis gut, gut, befriedigend,ausreichend, ungenügend.
Die Rangziffern lauten dann:1 für sehr gut2 für sehr gut bis gut3 für gut4 für befriedigend5 für ausreichend6 für ungenügend
Kapitel XI - Korrelationsrechnung 21
![Page 49: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/49.jpg)
Spearmannscher Rangkorrelationskoeffizient
Zusammenfassung:Die Merkmalspaare gehen damit bei einem zweidimensionalenMerkmal (gebildet aus Rangmerkmalen) in Rangzifferpaareüber.Aus den Rangzifferpaaren kann dann derKorrelationskoeffizient bestimmt und damit festgestelltwerden, ob eine Beziehung zwischen den Rangfolgen derstatistischen Einheiten bzgl. der beiden Merkmale besteht.
Kapitel XI - Korrelationsrechnung 22
![Page 50: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/50.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.5Die sechs oben angeführten Kandidaten haben (in derselbenReihenfolge wie in der geordneten Urliste) in einem weiteren Fachdie Bewertungen
gut, gut︸ ︷︷ ︸2;3
, sehr gut bis gut︸ ︷︷ ︸1
, befriedigend , befriedigend︸ ︷︷ ︸4;5
, ausreichend︸ ︷︷ ︸6
erhalten.Damit erhalten sie hier die Rangziffern1
2.5, 2.5, 1, 4.5, 4.5, 6.
1Sind zwei oder mehr Merkmalswerte gleich, so ordnet man ihnen dasarithmetische Mittel der zur Verfügung stehenden Rangziffern zu.Beispiel: Liegen x3 = x7 auf den Plätzen 3 und 4, so ist r3 = r7 = 3.5.
Kapitel XI - Korrelationsrechnung 23
![Page 51: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/51.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.5Die sechs oben angeführten Kandidaten haben (in derselbenReihenfolge wie in der geordneten Urliste) in einem weiteren Fachdie Bewertungen
gut, gut︸ ︷︷ ︸2;3
, sehr gut bis gut︸ ︷︷ ︸1
, befriedigend , befriedigend︸ ︷︷ ︸4;5
, ausreichend︸ ︷︷ ︸6
erhalten.Damit erhalten sie hier die Rangziffern1
2.5, 2.5, 1, 4.5, 4.5, 6.
1Sind zwei oder mehr Merkmalswerte gleich, so ordnet man ihnen dasarithmetische Mittel der zur Verfügung stehenden Rangziffern zu.Beispiel: Liegen x3 = x7 auf den Plätzen 3 und 4, so ist r3 = r7 = 3.5.
Kapitel XI - Korrelationsrechnung 23
![Page 52: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/52.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.5Rangzifferpaare sind also
(1, 2.5) (2, 2.5) (3, 1) (4, 4.5) (5, 4.5) (6, 6).
Kapitel XI - Korrelationsrechnung 24
![Page 53: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/53.jpg)
Spearmannscher Rangkorrelationskoeffizient
AllgemeinSeien
(x1, y1), . . . , (xn, yn)
die Merkmalspaare und
(r1, s1), . . . , (rn, sn)
die zugehörigen Rangzifferpaare, so erhält man alsKorrelationskoeffizienten
rS =1n
n∑i=1
(ri − r)(si − s)√1n
n∑i=1
(ri − r)2 · 1n
n∑i=1
(si − s)2.
Kapitel XI - Korrelationsrechnung 25
![Page 54: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/54.jpg)
Spearmannscher Rangkorrelationskoeffizient
AllgemeinSeien
(x1, y1), . . . , (xn, yn)
die Merkmalspaare und
(r1, s1), . . . , (rn, sn)
die zugehörigen Rangzifferpaare, so erhält man alsKorrelationskoeffizienten
rS =1n
n∑i=1
(ri − r)(si − s)√1n
n∑i=1
(ri − r)2 · 1n
n∑i=1
(si − s)2.
Kapitel XI - Korrelationsrechnung 25
![Page 55: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/55.jpg)
Spearmannscher Rangkorrelationskoeffizient
Falls kein Merkmalswert doppelt auftritt und damit dieRangziffern jeweils die Werte 1, . . . , n durchlaufen, lässt sichrS umformen zu
rS = 1−6 ·
n∑i=1
(ri − si )2
n(n2 − 1) .
rS heißt Spearmanscher Rangkorrelationskoeffizient.
Kapitel XI - Korrelationsrechnung 26
![Page 56: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/56.jpg)
Spearmannscher Rangkorrelationskoeffizient
Analog zum Korrelationskoeffizienten gilt:
Rangfolgen bei beiden Merkmalen rSgegenläufig −1unkorreliert 0identisch +1
Entsprechend wird man Zwischenwerte interpretieren:
rS ≈ −1 gegenläufiger Trend in den Merkmalen,rS ≈ 0 kein Trend erkennbar,rS ≈ 1 gleichlaufender Trend.
Kapitel XI - Korrelationsrechnung 27
![Page 57: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/57.jpg)
Spearmannscher Rangkorrelationskoeffizient
Analog zum Korrelationskoeffizienten gilt:
Rangfolgen bei beiden Merkmalen rSgegenläufig −1unkorreliert 0identisch +1
Entsprechend wird man Zwischenwerte interpretieren:
rS ≈ −1 gegenläufiger Trend in den Merkmalen,rS ≈ 0 kein Trend erkennbar,rS ≈ 1 gleichlaufender Trend.
Kapitel XI - Korrelationsrechnung 27
![Page 58: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/58.jpg)
Spearmannscher Rangkorrelationskoeffizient
Rangziffern bei quantitativen MerkmalenDies ist dann sinnvoll, wenn zwar ein Trend zwischen denWerten, aber kein funktionaler Zusammenhang vermutet wirdund daher insbesondere eine lineare Regression nichtangebracht ist.
Kapitel XI - Korrelationsrechnung 28
![Page 59: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/59.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.68 Studenten der Statistik-Vorlesung wurden befragt, wievieleStunden sie für die Nacharbeitung der Vorlesung imDurchschnitt wöchentlich aufgewandt haben und welchePunktzahlen sie in der Klausur erreichten:
Student1 2 3 4 5 6 7 8
Stunden 0 1.5 3 3 4 4.5 5 2Punkte 25 15 30 35 50 45 55 30
Daraus ergeben sich die Rangzifferpaare (ri , si ):(1,2), (2,1), (3,3.5), (4.5,3.5), (4.5,5), (6,7), (7,6),(8,8)
Kapitel XI - Korrelationsrechnung 29
![Page 60: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/60.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.68 Studenten der Statistik-Vorlesung wurden befragt, wievieleStunden sie für die Nacharbeitung der Vorlesung imDurchschnitt wöchentlich aufgewandt haben und welchePunktzahlen sie in der Klausur erreichten:
Student1 2 3 4 5 6 7 8
Stunden 0 1.5 3 3 4 4.5 5 2Punkte 25 15 30 35 50 45 55 30
Daraus ergeben sich die Rangzifferpaare (ri , si ):(1,2), (2,1), (3,3.5), (4.5,3.5), (4.5,5), (6,7), (7,6),(8,8)
Kapitel XI - Korrelationsrechnung 29
![Page 61: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/61.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.6Nach der ersten Formel für rS ergibt sich
rS = Cov(r ,s)√s2r ·s2
s
=200.75
8 −20.25√5.1875·5.1875 = 4.84375
5.1875 = 0.934
Die zweite Formel darf hier wegen bestehender Bindungennicht verwendet werden und liefert ein abweichendes Ergebnis
rS = 1− 68·63 (12 + 12 + 0.52 + 12 + 0.52 + 12 + 12 + 02)
= 1− 68·63 · 5.5 = 0.935.
Kapitel XI - Korrelationsrechnung 30
![Page 62: Kapitel XI - Korrelationsrechnung - Deskriptive Statistik · InstitutfürVolkswirtschaftslehre(ECON) Lehrstuhl für Ökonometrie und Statistik KapitelXI-Korrelationsrechnung DeskriptiveStatistik](https://reader030.vdocuments.site/reader030/viewer/2022040800/5e35056fdd362b514237a265/html5/thumbnails/62.jpg)
Spearmannscher Rangkorrelationskoeffizient
Beispiel 11.6Nach der ersten Formel für rS ergibt sich
rS = Cov(r ,s)√s2r ·s2
s
=200.75
8 −20.25√5.1875·5.1875 = 4.84375
5.1875 = 0.934
Die zweite Formel darf hier wegen bestehender Bindungennicht verwendet werden und liefert ein abweichendes Ergebnis
rS = 1− 68·63 (12 + 12 + 0.52 + 12 + 0.52 + 12 + 12 + 02)
= 1− 68·63 · 5.5 = 0.935.
Kapitel XI - Korrelationsrechnung 30