Коэффициенты корреляции косвенных взаимосвязей

Без учета ослабления корреляционных взаимосвязей мы зафиксируем, что в результатах лабораторных испытаний содержится лишь 6 % необходимой информации об т, и придем к выводу о необходимости полевых экспериментов. Следует подчеркнуть также, что при обработке данных на ЭВМ по многим программам, не учитывающим отмеченные обстоятельства и предусматривающим пороговое значение, хотя бы одна из характеристик, исключается из анализа, что в итоге приводит к ложному выводу об отсутствии сколько-нибудь тесных зависимостей прогнозируемого показателя от всего комплекса исследованных характеристик.

Коэффициенты корреляции косвенных взаимосвязей могут достигать больших значений и классифицироваться как тесные, очень тесные и т. и. Например, для условий, в которых получена первая матрица, при отсутствии зависимости и с учетом квазифункциональной взаимосвязи коэффициент корреляции будет равен 0,70. Легко оценить также параметры соответствующего регрессионного уравнения. Косвенный характер таких зависимостей не препятствует возможности их практического использования, однако даже небольшое (часто неконтролируемое) изменение условий, в которых они получены, может приводить к непредсказуемым погрешностям.

Поэтому важной задачей интерпретации результатов корреляционного анализа является выявление основных связей причинно-следственного характера, являющихся наиболее устойчивыми. Для этого используется несколько приемов, среди которых - вычисление частных коэффициентов корреляции, стандартизация переменных, оценка факторных нагрузок и т. п. Достаточно простым является расчет коэффициентов уравнения представляющих собой количественные оценки непосредственной роли факторов в изменении переменной, рассматриваемой в качестве «функции».

Однако при большом числе показателей, рассматриваемых в качестве аргументов, в интерпретации полученных оценок могут возникнуть затруднения, обусловленные экспоненциальным ростом вероятности нарушения основных исходных предпосылок многомерной корреляции с увеличением числа переменных и плохо контролируемым совокупным влиянием этих нарушений на конечный результат в условиях многообразия взаимосвязей.