Кейс 1. Установление взаимосвязей между показателями

Если перед нами стоит задача оценить наличие взаимосвязи между некоторыми показателями (например, возрастом пациентов и результатами анализов крови) то может понадобиться корреляционный анализ. В зависимости от того, соответствует наше распределение нормальному или нет, используется коэффициент Спирмена или Пирсона.

После того, как данные загружены в программу статистической обработки данных (например, SPSS или Statistica) мы получаем следующую картину:

В этой таблице приведены все значения коэффициентов корреляции, также указана значимость и число испытуемых (пациентов). Но обычно это не всегда доступно для понимания исследователя. Поэтому мы приводим полученные результаты в понятный вид, и получаем следующее:

Из этой таблицы сразу ясно - что с чем связано, при каком коэффициенте корреляции и уровне значимости. Например, мы видим, что чем старше наши пациенты, тем выше значения показателя 1 (r=0,33, p≤0,001).

Но такой вариант подойдёт, если у нас данные количественные. Если же в исследовании используются качественные данные (например, нужно определить зависимости состояния пациента от его пола), то применяется метод сопряжённости (с помощью критерия Хи – квадрат Пирсона). Посмотрим, как это выглядит.

В данном случае, мы видим, что пол и степень риска осложнений при заболевании связаны, т.к. р – уровень = 0,01 (т.е. погрешность вычислений составляем менее 1%). Такой метод напоминаем сравнительный анализ, и позволяет составить альтернативу корреляционному анализу, который работает только с количественными данными. Также наглядно можно отразить результаты на графике.