ГОУ ВПО «Северный государственный  медицинский университет»

 факультет клинической психологии и социальной работы

 заочное отделение социальной работы 
 
 
 
 
 
 
 
 
 

   КОНТРОЛЬНАЯ  РАБОТА

По  дисциплине    «Прогнозирование, проектирование и моделирование в социальной работе»

  

Тема: «Корреляционный анализ как способ выявления связей и зависимостей между параметрами и его значение в прогнозирование социальной деятельности».

   
 
 
 

                                               Выполнила: студентка   5    курса

      Юревич Александра Викторовна

        Проверил:   ______________________

      (звание)

                                                                                       _________________________________

                                                                                                                          (Ф.И.О. преподавателя) 
 

 Архангельск, 2011г. 

      План  контрольной работы 

 
 
 
 
 
 
 
 
 
 
 
 

Введение

     В условиях ускорения научно-технического прогресса и усложнения структурных  взаимосвязей между элементами общественной системы все большее значение имеют методы, позволяющие выявить основные закономерности в развитии медико-социальных процессов, наиболее значимые факторы, определяющие их тенденции, разработать достоверные и обоснованные прогнозы.

     Среди таких методов наиболее эффективными является применение корреляционного анализа. Основная задача которого состоит в построении моделей специфического типа, описывающих закономерности взаимообусловленного развития медико-социальных процессов и явлений на основе исходной информации, характеризующей их уровни в различные  периоды времени.

     Корреляционный   анализ  нашел самое широкое применение в классификации, упорядочивании, выявлении главенствующих черт у объектов и явлений, имеющих многопризнаковую природу и часто характеризующихся разрозненными и неоднородными наборами данных. Предметом наблюдения и анализа выступают как параметрические, так и непараметрические (качественные, порядковые) связи, имеющие детерминированную и стохастическую природу, реальные и ложные, наблюдаемые и ненаблюдаемые. В этой связи многомерные методы статистического анализа экономики позволяют выявить закономерности распределения и тесноты связей между объектами, характеризующимися как явными, так и скрытыми признаками.

     Цель  контрольной  работы:   изучение применения корреляционного анализа в медико-социальных исследованиях .

     Задачи  контрольной работы:

     - изучить механизм проведения  корреляционного анализа при проведении медико-социальных исследований.

     - рассмотреть на практическом  примере применение корреляционного анализа для диагностики медико-социального заболевания Митрального стеноза.

     Объект  исследования контрольной работы: рассмотрение закономерности распределения и тесноты связей между объектами, характеризующимися как явными, так и скрытыми признаками медико-социального исследования.

     Предмет исследования контрольной работы: выступают как параметрические, так и непараметрические (качественные, порядковые) связи корреляционного анализа.

     Гипотеза  контрольной работы:  применение корреляционного анализа в классификации, упорядочивании, выявлении главенствующих черт у объектов и явлений, имеющих многопризнаковую природу и часто характеризующихся разрозненными и неоднородными наборами данных ведет к визуализации структуры изучаемых явлений и процессов, а это значит определять их состояние и прогнозировать развитие.

     Во  введении приведено обоснование актуальности темы контрольной работы, сформулированы цели и задачи исследования, определены предмет и объект исследования, раскрываются элементы научной новизны, практической значимости полученных результатов.

    Первая  глава посвящена теоретической части  применения  корреляционного анализа.

    Вторая  глава посвящена практической части применения  корреляционного анализа в здравоохранении и в частности для диагностики сердечно-сосудистых заболеваний как социально опасных с точки зрения частоты распространения (Митральный стеноз).

    В заключении сформулированы общие выводы, предложения и рекомендации, вытекающие из результатов контрольной работы. 

      

Глава 1. Механизм проведения корреляционного анализа в медико-социальных исследованиях.

1.1. История возникновения корреляционного анализа.

   Корреляционный анализ - раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц. Иначе говоря, задача метода - переход от реального большого числа признаков или причин определяющих наблюдаемую изменчивость к небольшому числу наиболее важных переменных (факторов) с минимальной потерей информации. Метод возник и первоначально разрабатывался в задачах психологии и антропологии (рубеж 19 и 20 вв.), но сейчас область его приложения значительно шире.

   Под моделями с латентными переменными  понимается совокупность статистических моделей, описывающих и объясняющих наблюдаемые данные их зависимостью от ненаблюдаемых (латентных) факторов, которые могут быть реконструированы с помощью определенных математических методов. Примером модели с латентными переменными может служить корреляционный анализ. В 1969 году К. Йореског предложил новый метод для проверки гипотез о структуре данных. Этот способ «нащупывания гипотез» получил название конфирматорного корреляционного анализа. В отличие от традиционного исследовательского (эксплораторного) варианта корреляционного анализа основной принцип конфирматорного корреляционного анализа состоит в том, что исследователем в качестве гипотезы (априори) формируется структура ожидаемой матрицы корреляционных нагрузок (структурная гипотеза), которая затем подвергается статистической проверке. Эта особенность конфирматорного корреляционного анализа также, как возможность сравнения корреляционных структур нескольких групп наблюдений, имела большое значение для генетического анализа. В 1977 году Николас Мартин и Линдон Ивз (Martin N., Eaves L.,1977) успешно воспользовались подходом К.Йорескога для генетического анализа ковариационных структур.  
           Модель линейных структурных соотношений К.Йорескога и соответствующая вычислительная программа LISREL (LInear Structural RELation), появившаяся в 1973 году, дали в руки исследователям в области генетики поведения мощный инструмент для генетического анализа ковариационных структур. Начиная с 80-х годов, LISREL - одна из наиболее популярных компьютерных программ, которая дает возможность проверять самые сложные гипотезы.

  Корреляционный анализ возник и первоначально разрабатывался в задачах психологии (1904). Область его приложения значительно шире - корреляционный анализ находит применение при решении различных практических задач в медицине, экономике, химии и т.д. Однако многие результаты и методы корреляционного анализа пока ещё не обоснованы, хотя практики ими широко пользуются. Математическое строгое описание современного корреляционного анализа - задача весьма трудная и до сих пор в полной мере не решенная.

  1.2. Общее понятие корреляционного анализа.

     В современной статистике под корреляционным анализом понимают совокупность методов, которые на основе реально существующих связей признаков (или объектов) позволяют выявлять латентные обобщающие характеристики организационной структуры и механизма развития изучаемых явлений и процессов.

     Понятие латентности в определении ключевое. Оно означает неявность характеристик, раскрываемых при помощи методов  корреляционного анализа. Вначале имеется дело с набором элементарных признаков Xj, их взаимодействие предполагает наличие определенных причин, особенных условий, т.е. существование некоторых скрытых факторов. Последние устанавливаются в результате обобщения элементарных признаков и выступают как интегрированные характеристики, или признаки, но более высокого уровня. Естественно, что коррелировать могут не только тривиальные признаки Xj, но и сами наблюдаемые объекты Ni поэтому поиск латентных факторов теоретически возможен как по признаковым, так и по объектным данным.

  Если  объекты характеризуются достаточно большим числом элементарных признаков (m > 3), то логично и другое предположение - о существовании плотных скоплений  точек (признаков) в пространстве n объектов. При этом новые оси обобщают уже не признаки Xj, а объекты ni, соответственно и латентные факторы Fr будут распознаны по составу наблюдаемых объектов:

  Fr = c1n1 + c2n2 + ... + cNnN,

  где ci - вес объекта ni в факторе Fr.

  В зависимости от того, какой из рассмотренных выше тип корреляционной связи - элементарных признаков или наблюдаемых объектов - исследуется в факторном анализе, различают R и Q - технические приемы обработки данных.

  Название R-техники носит объемный анализ данных по m признакам, в результате него получают r линейных комбинаций (групп) признаков: Fr=f(Xj), (r=1..m). Анализ по данным о близости (связи) n наблюдаемых объектов называется Q-техникой и позволяет определять r линейных комбинаций (групп) объектов: F=f(ni), (i = l .. N).

  В настоящее время на практике более 90% задач решается при помощи R-техники.

  1.3. Методы корреляционного анализа.

  Набор методов корреляционного анализа в настоящее время достаточно велик, насчитывает десятки различных подходов и приемов обработки данных. Чтобы в исследованиях ориентироваться на правильный выбор методов, необходимо представлять их особенности. Разделим все методы корреляционного анализа на несколько классификационных групп:

  - Метод главных компонент. Строго  говоря, его не относят к корреляционному анализу, хотя он имеет с ним много общего. Специфическим является, во-первых, то, что в ходе вычислительных процедур одновременно получают все главные компоненты и их число первоначально равно числу элементарных признаков. Во-вторых, постулируется возможность полного разложения дисперсии элементарных признаков, другими словами, ее полное объяснение через латентные факторы (обобщенные признаки).

  - Методы корреляционного анализа. Дисперсия элементарных признаков здесь объясняется не в полном объеме, признается, что часть дисперсии остается нераспознанной как характерность. Факторы обычно выделяются последовательно: первый, объясняющий наибольшую долю вариации элементарных признаков, затем второй, объясняющий меньшую, вторую после первого латентного фактора часть дисперсии, третий и т.д. Процесс выделения факторов может быть прерван на любом шаге, если принято решение о достаточности доли объясненной дисперсии элементарных признаков или с учетом интерпретируемости латентных факторов.

  Методы  корреляционного анализа целесообразно разделить дополнительно на два класса: упрощенные и современные аппроксимирующие методы. Простые методы корреляционного анализа в основном связаны с начальными теоретическими разработками. Они имеют ограниченные возможности в выделении латентных факторов и аппроксимации корреляционных решений. К ним относятся:

  - однофакторная модель. Она позволяет  выделить только один генеральный  латентный и один характерный  факторы. Для возможно существующих  других латентных факторов делается  предположение об их незначимости;

  - бифакторная модель. Допускает влияние  на вариацию элементарных признаков  не одного, а нескольких латентных  факторов (обычно двух) и одного  характерного фактора;