При выставлении экспертных оценок или в других случаях ранжирования возникают ситуации, когда двум или большему числу качеств приписываются одинаковые ранги. В этом случае правила ранжирования таковы:
1. Наименьшему числовому значению приписывается ранг 1.
2. Наибольшему числовому значению приписывается ранг, равный количеству ранжируемых величин.
3. В случае если несколько исходных числовых значений оказались равными, то им приписывается ранг, равный средней величине тех рангов, которые эти величины получили бы, если бы они стояли по порядку друг за другом и не были бы равны.
Отметим, что под этот случай могут попасть как первые, так и последние величины исходного ряда для ранжирования.
4. Общая сумма реальных рангов должна совпадать с расчетной, определяемой по формуле (1).
Например, психолог получил у 11 испытуемых следующие значения показателя невербального интеллекта: 113, 107, 123, 122, 117, 117, 105, 108, 114, 102, 104. Необходимо проранжировать эти показатели.
| № испытуемых п/п | Показатели интеллекта | Условные ранги | Ранги |
| (8) | 8,5 | ||
| (9) | 8,5 | ||
Т.к. у 5 и 6 испытуемых показатели интеллекта равные, то им необходимо поставить условные ранги, обязательно идущие по порядку друг за другом – и отметить эти ранги круглыми скобками – (). Но так как они должны иметь одинаковые ранги. То в столбец ранги мы должны поместить среднее арифметическое рангов, проставленных в скобках, т.е. . Часто условные и реальные ранги записывают в одном столбце
Проверим правильность ранжирования по формуле (1):
Просуммируем реальные ранги: 6+4+11+10+8,5+8,5+3+5+7+1+2=66.
Т.к. суммы совпали, то ранжирование выполнено верно.
В ранговой шкале применяется множество статистических методов. Наиболее часто к измерениям, полученным в этой шкале применяются коэффициенты корреляции Спирмена и Кэндалла, кроме того, применительно к данным, полученным в этой шкале, используют разнообразные критерии различий.
Шкала интервалов
В шкале интервалов каждое из возможных значений измеренных величин отстоит от ближайшего на равном расстоянии. Главное понятие этой шкалы - интервал , который можно определить как долю или часть измеряемого свойства между двумя соседними позициями на шкале.
Размер интервала - величина фиксированная и постоянная на всех участках шкалы. Для измерения посредством шкалы интервалов устанавливаются специальные единицы измерения, в психологии это стены . При работе с этой шкалой измеряемому свойству или предмету присваивается число, равное количеству единиц измерения, эквивалентное количеству имеющегося свойства. Важной особенностью шкалы интервалов является то, что у нее нет естественной точки отсчета (нуль условен и не указывает на отсутствие измеряемого свойства).
Так, в психологии часто используется семантический дифференциал Ч.Осгуда, который является примером измерения по интервальной шкале различных психологических особенностей личности, социальных установок, ценностных ориентации, субъективно-личностного смысла, различных аспектов самооценки.
3 - 2 - 1 0 +1 +2 +3
Абсолютно Не знаю Совершенно
не согласен (не уверен) согласен
Однако, как подчеркивают С. Стивенс и ряд других исследователей, психологические измерения в шкале интервалов по сущности нередко оказываются измерениями, выполненными в шкале порядков. Основанием для этого утверждения служит тот факт, что функциональные возможности человека меняются в зависимости от разных условий. При измерении, например, силы с помощью динамометра или устойчивости внимания с помощью секундомера, результаты измерения в начале и в конце опыта по причине усталости испытуемого не будут квантифицироваться равными интервалами.
Только измерение по строго стандартизированной тестовой методике, при условии того, что распределение значений в репрезентативной (см. ниже) выборке достаточно близко к нормальному (см. ниже), может считаться измерением в интервальной шкале. Примером последнего могут служить стандартизованные тесты интеллекта, где условная единица измерения IQ эквивалентна как при низких, так и при высоких значениях интеллекта
Принципиально важным является и то, что к экспериментальным данным, полученным в этой шкале, применимо достаточно большое число статистических методов.
Шкала отношений
Шкалу отношений называют также шкалой равных отношений. Особенностью этой шкалы является наличие твердо фиксированного нуля, который означает полное отсутствие какого-либо свойства или признака. Шакала отношений является наиболее информативной шкалой, допускающей любые математические операции и использование разнообразных статистических методов.
Шкала отношений по сути очень близка интервальной, поскольку если строго фиксировать начало отсчета, то любая интервальная шкала превращается в шкалу отношений.
Именно в шкале отношений производятся точные и сверхточные измерения в таких науках, как физика, химия, микробиология. Измерение по шкале отношений производятся и в близких к психологии науках, таких, как психофизика, психофизиология, психогенетика.
Рангом элемента выборки называется порядковый номер этого элемента в вариационном ряду или, другими словами, число элементов выборки меньших или равных
Следовательно, выборочному значению соответствует порядковая статистика вариационного ряда.
Ранговым вектором выборки называется перестановка чисел 1, 2, которая получается при замене элементов выборки их рангами. Ранговой статистикой называется произвольная функция от рангового вектора. Ранговый алгоритм предписывает сравнение некоторой ранговой статистики с порогом.
Исходную выборку можно восстановить, если известен вектор порядковых статистик и ранговый вектор R. Отдельно любой из этих двух векторов представляет необратимое нелинейное преобразование исходной выборки. Для однородной независимой выборки случайные векторы и R независимы.
Ранг элемента выборки размером при помощи функции единичного скачка или знаковой функции можно представить следующим образом:
(13.168 а)
Из (13.168 a и б) следует, что ранги являются знаковыми статистиками от разностей выборочных значений.
Для однородной независимой выборки функция правдоподобия инвариантна к группе перестановок аргументов. Отсюда следует, что для указанной выборки все ранговые векторы равновероятны, каково бы ни было распределение, которому принадлежит выборка. Общее число возможных ранговых векторов, соответствующих выборке размером , равно числу перестановок чисел, т. е. Следовательно, выборочное пространство ранговых векторов состоит из дискретных точек -мерного эвклидового пространства. Вероятность попадания рангового вектора R наблюдаемой выборки в любую точку этого дискретного множества равна , т. е. для любого распределения однородной независимой выборки
Таким образом, ранговый алгоритм - непараметрический по отношению гипотезе Н о том, что выборка из произвольного распределения однородная и независимая. Для альтернативы К о том, что независимая выборка неоднородная, ранги перестают быть равновероятными. Для определения функции распределения рангового вектора при альтернативе К необходимо вычислить интеграл
где область включает те точки выборочного пространства, которым при упорядочивании соответствует заданный вектор
Этот интеграл
(13.170)
Практическое использование формулы (13.170), за исключением специальных случаев, сопряжено с трудно выполнимыми вычислениями. Из-за сложности распределения (13.170) синтез оптимального по критерию Неймана - Пирсона рангового алгоритма проверки гипотез при конечном размере выборки практически нереализуем. Это также одна из причин того, что указанный синтез осуществляют на эвристической основе (см. п. 13.7.4).
Отметим, что ранговый вектор однородной независимой выборки инвариантен к безынерционному преобразованию выборки
так как такое преобразование не изменяет относительного расположения элементов выборки . Из (13.171) следует, что ранговый алгоритм сохраняет непараметрическое свойство и после указанного нелинейного преобразования.
1 Краткая история возникновения корреляционного анализа
Начало применения математико-статистических приемов для изучения корреляционных зависимостей относится к 70 годам девятнадцатого столетия. Многие историки – статистики историю развития корреляции ведут от сороковых годов девятнадцатого столетия – от того времени, когда французский математик О. Браве предложил формулу для распределения двух случайных величин, удовлетворяющих требованиям закона нормального распределения.
Однако истинным основателем корреляционной теории считается английский математик – статистик К. Пирсон, создавший в конце девятнадцатого начале двадцатого веков данную теорию. В ней корреляция выступает как форма диалектической связи, при которой действует множество различных причин, как необходимых, так и случайных, как общих для обеих корреляционных величин, так и частных, влияющих только на одну из них. Причем, не все закономерные связи – причинные.
Развитие теории осуществлялось с помощью других исследований, когда основные положения теории корреляции были уже созданы. Причем в области изучения корреляций практика резко расходилась с теорией, ставя исследователей в такие условия, которые не удовлетворяли ее требованиям.
Основой формирования способов изучения корреляций и регрессий были данные, характеризующие какие-либо, количественно выраженные признаки. Поэтому исследователи на первых же шагах встретились с задачей корреляции качественных признаков, например, связь между цветом глаз у отцов и сыновей. Общий принцип, который был положен в основу конструкции показателей корреляции качественных признаков, заключался в том, что два качественных признака можно считать взаимосвязанными, если действие одного из них А при действии признака Б таково же, как и при действии признака не Б. В развитие этого принципа, и предлагались различные конструкции таких показателей, как, например, коэффициент средней квадратичной сопряженности Пирсона или коэффициент взаимной сопряженности Чупрова.
Изучение корреляции качественных признаков породило в общем учении о корреляции так называемую теорию рангов и основанную на ней теорию ранговой корреляции. Английский математик-статистик М. Кендалл, автор монографии, посвященной проблемам ранговой корреляции, указывал, что теория рангов впервые возникла как ответвление теории случайных процессов. На начальной стадии в рангах чаще всего видели просто удобный аппарат, благодаря которому удается обойтись без измерения абсолютной величины переменных и тем самым сэкономить время и усилия. Позднее статистика рангов смогла завоевать признание благодаря своим собственным достоинствам. Кендалл сконструировал показатель, который применим и для изучения частной корреляции между рангами. Современную теорию ранговой корреляции невозможно представить без наиболее полно ее освещающих исследований М. Кендалла.
Таким образом, уже к началу двадцатого столетия математико-статистические методы измерения корреляций и регрессий сложились в общем в достаточно стройную целостную систему, включающую в себя методы непараметрической статистики и непараметрические ранговые методы.
2 Непараметрические ранговые методы
Непараметрические ранговые методы – это бурно развивающаяся область математической статистики. История современных непараметрических методов, основанных на рангах, довольно коротка – всего лишь около 40 лет. Ранговые методы выделились в особое направление непараметрической статистики не только вследствие природы исходного материала, но и по идеям его дальнейшего использования. Сегодня этими методами решаются многие задачи анализа экономических, статистических, инженерных, естественнонаучных, социологических, медицинских данных.
Ранжирование – это процедура упорядочения объектов изучения, которая выполняется на основе предпочтения. Ранг – это порядковый номер значений признака, расположенных в порядке возрастания или убывания их величин. Как показали статистические исследования, проведенные за последние 10-15 лет, ранговые методы в значительной мере лишены ряда недостатков для работы с малыми выборками, распределение которых неизвестно. Как известно, переход от самих наблюдений к их рангам сопровождается определенной потерей информации. Однако, эти потери не слишком велики. К сожалению, в настоящее время все еще сказывается нехватка специальной литературы по данному вопросу.
В последнее время в прогнозировании и при решении ряда других задач стали широко применяться экспертные оценки. Методы ранговой корреляции в этой области является едва ли не единственным путем обобщения экспертных оценок.
Теория рангов впервые возникла как ответвление теории случайных процессов. На начальной стадии в рангах чаще всего видели просто удобный аппарат, благодаря которому удается обойтись без изменения абсолютной величины переменных и тем самым сэкономить время или усилия. Благодаря использованию рангов можно было избежать трудностей, связанных с построением объективной шкалы абсолютных значений. Позднее статистика рангов смогла завоевать признание благодаря своим собственным достоинствам.
Ниже будут рассмотрены наиболее распространенные способы упорядочения изучаемых объектов:
Задача может сводиться просто к упорядочению объектов по месту, которое они занимают в пространстве или во времени. Например, карты были расположены в колоде в некотором порядке, а затем перетасованы. Новое расположение карт также характеризуется определенным порядком, ранжированием. Сравнив его со старым, можно увидеть, насколько тщательно были перетасованы карты. В этой задаче интересно только общее расположение карт в колоде, и нет необходимости упорядочить объекты в соответствии с “возрастанием” или “убыванием” того или иного присущего всем им признака;
Упорядочить объекты можно и по некоторому качеству, для которого не существует объективной абсолютной шкалы изменения. Можно, например, ранжировать образцы горных пород по твердости, исходя из следующего простого критерия: А тверже Б, если А оставляет царапину на Б, когда они соприкасаются. Если А оставляет царапину на Б, а Б – на В, то А будет оставлять царапину на В. Таким образом, прибегнув к ряду сопоставлений, можно с достаточной точностью упорядочить рассматриваемые объекты (если только набор не включает такие два объекта, которые обладают одинаковой твердостью). Однако подобный способ не позволяет измерить абсолютную величину твердости горных пород. Всегда можно установить, что А тверже Б. Однако до тех пор, пока не построена та или иная шкала измерения абсолютных величин, нельзя утверждать, что А, скажем, вдвое тверже Б;
Упорядочение может проводиться в соответствии с измеряемой (или теоретически исчисляемой) величиной некоторого признака. Например, можно располагать людей в том или ином порядке в зависимости от их роста, а города по численности населения. При этом не всегда требуется прибегать к самому процессу измерения: можно «на глаз» построить группу студентов по росту; однако в таких случаях критерий, по которому происходит ранжирование, должен допускать возможность непосредственных сопоставлений.
Можно упорядочить объекты по некоторому признаку, величину которого, в принципе, можно измерить, но на практике (или даже теоретически) не удается прибегнуть к такому измерению в силу тех или иных причин. Например, можно упорядочить ряд лиц по их интеллектуальным способностям, полагая, что такое качество действительно существует и что можно разместить людей в том или ином порядке в соответствии с интенсивностью этого признака.
В практических приложениях методов, основанных на ранжировании, иногда сталкиваются со случаями, когда два или несколько объектов настолько подобны, что не удается отдать предпочтение одному из них. Когда эксперт ранжирует объект на основе субъективных суждений, то это свойство (отсутствие предпочтений) связано с истиной их неразличимостью или неспособностью исследователя найти существенные различия. В этом случае говорят, что такой объект называется связанным.
Например, студентов расположили в соответствии с их достоинствами или экзаменационными баллами. Метод, который принимается для предписания числовых значений рангов связанных объектов, заключается в усреднении рангов, которые они имели бы, если были различимы. Например, если связывают третий и четвертый объекты, то каждому приписывают ранг, равный 3,5, если же связывают объекты от второго до седьмого, то получаемый ранг равен 4,5.
Иногда такой подход называется “методом средних рангов”. Когда нет основания для выбора между объектами, то ясно, что в этом случае нужно приписать всем одинаковые ранги. Преимуществом данного метода является то, что сумма рангов для всех объектов остается точно такой же как и при ранжировании без связей.
В анализе социально – экономических явлений часто приходится прибегать к различным, условным оценкам с помощью рангов, а взаимосвязь между отдельными признаками измерять с помощью непараметрических коэффициентов связи.
3 Коэффициент конкордации рангов Кендалла
Для определения тесноты связи между произвольным числом ранжированных признаков применяется множественный коэффициент корреляции (коэффициент конкордации).
В практике статистических исследований встречаются случаи, когда совокупность объектов характеризуется не двумя, а несколькими последовательностями рангов, необходимо установить статистическую связь между несколькими переменными. В качестве такого измерителя используют множественный коэффициент корреляции (коэффициент конкордации) рангов Кендалла, определяемой по следующей формуле:
где W – коэффициент конкордации;
D – сумма квадратов рангов рассчитывается по формуле (2);
n – число объектов ранжируемого признака (число экспертов);
m – число анализируемых порядковых переменных.
В некотором смысле W служит мерой общности.
, (2)
где r ij – расставленные ранги суждений группы экспертов;
n – число объектов(число экспертов).
Значения коэффициентов конкордации заключены на отрезке .
Увеличение коэффициента от 0 к 1 означает проявление большей согласованности суждений. Если все эти суждения совпадают, то W=1.
Проверка значимости коэффициента основана на том, что в случае справедливости нулевой гипотезы об отсутствии корреляционной связи при n>7 статистика m(n-1)* W имеет приближенно – распределение с k=n-1 степенями свободы. Поэтому коэффициент конкордации значим на уровне =0,05, если m(n-1)W> .
Достаточно хорошо аппроксимирует Р. с. Т,
и разность пренебрежимо мала, когда . При справедливости гипотезы H 0 , согласно к-рой компоненты Х 1 ,
... , Х n
случайного вектора Xсуть независимые случайные величины, проекция Р. с. Топределяется по формуле
где (см. ).
Существует внутренняя связь между Р. с. и . Как показано в , при справедливости гипотезы H 0 проекция
коэффициента корреляции Кендалла
в семейство линейных Р. с. с точностью до постоянного множителя совпадает с коэффициентом ранговой корреляции Спирмена , а именно:
Из этого равенства следует, что коэффициент корреляции соrr между и равен
т. е. при больших пР. с. и асимптотически эквивалентны (см. ).
Лит.
: Г а е к Я., Ш и д а к З., Теория ранговых критериев, пер. с англ., М., 1971; К е n d a l l M. G., Rank correlation methods, 4ed., L., 1970. М. С. Никулин.
Математическая энциклопедия. - М.: Советская энциклопедия . И. М. Виноградов . 1977-1985 .
Смотреть что такое "РАНГОВАЯ СТАТИСТИКА" в других словарях:
ранговая статистика - — [А.С.Гольдберг. Англо русский энергетический словарь. 2006 г.] Тематики энергетика в целом EN rank statistics … Справочник технического переводчика
У этого термина существуют и другие значения, см. Статистика (значения). Статистика (в узком смысле) это измеримая числовая функция от выборки, не зависящая от неизвестных параметров распределения. В широком смысле термин (математическая)… … Википедия
- (statistics) 1. Совокупность данных и математических методов, используемых для изучения связей между различными переменными. Она включает такие методы, как линейная регрессия (linear regression) и ранговая корреляция. 2. Значения, использующиеся… … Экономический словарь
СТАТИСТИКА - 1. Вид деятельности, направленной на получение, обработку и анализ информации, характеризующей количественные закономерности жизни об ва во всем ее многообразии, в неразрывной связи с ее качественным содержанием. В более узком смысле слова… … Российская социологическая энциклопедия
- (non parametric statistics) Статистические технические приемы, которые не допускают особенных функциональных форм для отношений между переменными. Ранговая корреляция двух переменных является тому примером. Использование подобных технических… … Экономический словарь - К. м., получившие свое назв. благодаря тому, что основываются на «со отношении» («co relation») переменных, представляют собой статистические методы, начало к рым было положено в работах Карла Пирсона примерно в конце XIX в. Они тесно связаны с… … Психологическая энциклопедия
Разработчик Digital Illusions CE Издатель … Википедия
Карл Пирсон Karl (Carl) Pearson Дата рождения … Википедия
Коэффициенты корреляции рангов – это менее точные, но более простые по расчету непараметрические показатели для измерения тесноты связи между двумя коррелируемыми признаками. К ним относятся коэффициенты Спирмэна (ρ) и Кендэла (τ), основанные на корреляции не самих значений коррелируемых признаков, а их рангов – порядковых номеров, присваиваемых каждому индивидуальному значению х и у (отдельно) в ранжированном ряду. Оба признака необходимо ранжировать (нумеровать) в одном и том же порядке: от меньших значений к большим и наоборот. Если встречается несколько значений х (или у ), то каждому из них присваивается ранг, равный частному от деления суммы рангов (мест в ряду), приходящихся на эти значения, на число равных значений. Ранги признаков х и у обозначают символами Rx и Ry (иногда Nx и Ny ). Суждение о связи между изменениями значений х и у основано на сравнении поведения рангов по двум признакам параллельно. Если у каждой пары х и у ранги совпадают, это характеризует максимально тесную связь. Если же наблюдается полная противоположность рангов, т.е. в одном ряду ранги возрастают от 1 до n , а в другом – убывают от n до 1, это максимально возможная обратная связь. Подходы для оценки тесноты связи у Спирмэна и Кендэла несколько различаются. Для расчета коэффициента Спирмэна значения признаков х и у нумеруют (отдельно) в порядке возрастания от 1 до n , т.е. им присваивают определенный ранг (Rx и Ry ) – порядковый номер в ранжированном ряду. Затем для каждой пары рангов находят их разность (обозначается как d = Rx – Ry ), и квадраты этой разности суммируют.
где d – разность рангов х и у ;
n – число наблюдаемых пар значений х и у .
Коэффициент ρ может принимать значения от 0 до ±1. Следует иметь в виду, что, поскольку коэффициент Спирмэна учитывает разность только рангов, а не самих значений х и у, он менее точен по сравнению с линейным коэффициентом. Поэто-му его крайние значения (1 или 0) нельзя безоговорочно расцени-вать как свидетельство функциональной связи или полного от-сутствия зависимости между х и у. Во всех других случаях, т.е. когда ρ не принимает крайних зна-чений, он довольно близок к r.
Формула (147) применима строго теоретически только тогда, когда отдельные значения х (и у), а следовательно, и их ранги не повторяются. Для случая повторяющихся (связанных) рангов есть другая, более сложная формула, скорректированная на число по-вторяющихся рангов. Однако опыт показывает, что результаты расчетов по скорректированной формуле для связанных рангов мало отличаются от результатов, полученных по формуле для не-повторяющихся рангов. Поэтому на практике формула (147) ус-пешно применяется как для неповторяющихся, так и для повто-ряющихся рангов.
Коэффициент корреляции рангов Кендэла τ строится несколь-ко по-другому, хотя его расчет также начинается с ранжирования значений признаков х и у. Ранги х (Rx ) располагают строго в порядке возрастания и па-раллельно записывают соответствующее каждому Rx значение Ry . Поскольку Rx записаны строго по возрастанию, то ставится задача определить меру соответствия последовательности Ry «пра-вильному» следованию Rx. При этом для каждого Ry последо-вательно определяют число следующих за ним рангов, превыша-ющих его значение, и число рангов, меньших по значению. Первые («правильное» следование) учитываются как баллы со знаком «+», и их сумма обозначается буквой Р. Вторые («непра-вильное» следование) учитываются как баллы со знаком «–», и их сумма обозначается буквой Q. Очевидно, что максимальное значение Р достигается в том слу-чае, если ранги y (Ry) совпадают с рангами х (Rx) и в каждом ряду представляют ряд натуральных чисел от 1 до п. Тогда после первой пары значений Rx = 1 и Ry = 1 число превышения данных значений рангов составит (n – 1), после второй пары, где Rx = 2 и Ry = 2, соответственно (п – 2) и т.д. Таким образом, если ранги х и у совпадают и число пар рангов равно n , то
Если же последовательность рангов х и у имеет обратную тенденцию по отношению к последовательности рангов х , то Q будет такое же максимальное значение по модулю:
.
Если же ранги у не совпадают с рангами х , то суммируются все положительные и отрицательные баллы (S=P+Q ); отношение этой суммы S к максимальному значению одного из слагаемых и представляет собой коэффициент корреляции рангов Кендэла τ, т.е.:
. (148)
Формула коэффициента корреляции рангов Кендэла (148) применяется для случаев, когда отдельные значения признака (как х, так и у) не повторяются и, следовательно, их ранги не объе-динены. Если же встречается несколько одинаковых значений х (или у), т.е. ранги повторяются, становятся связанными , коэффици-ент корреляции рангов Кендэла определяется по формуле:
, (149)
где S – фактическая общая сумма баллов при оценке +1 каж-дой пары рангов с одинаковым порядком изменения и –1 каждой пары рангов с обратным порядком изме-нения;
– число баллов, корректирующих (уменьшающих) максимальную сумму баллов за счет повторений (объединений) t
рангов в каждом ряду.
Отметим, что случаи следования одинаковых повторяющихся рангов (в любом ряду) оцениваются баллом 0, т.е. они не учиты-ваются при расчете ни со знаком «+», ни со знаком «–».
Преимущества ранговых коэффициентов корреля-ции Спирмэна и Кендэла: они легко вычисляются, с их помощью можно изучать и измерять связь не только между количественны-ми, но и между качественными (описательными) признаками, ранжированными определенным образом. Кроме того, при ис-пользовании ранговых коэффициентов корреляции не требуется знать форму связи изучаемых явлений.
Если число ранжируемых признаков (факторов) больше двух, то для измерения тесноты связи между ними можно использовать предложенный М. Кендэлом и Б. Смитом коэффициент конкордации (множественный коэффициент ранговой корреляции):
, (150)
где S - сумма квадратов отклонений суммы т рангов от их средней величины;
т - число ранжируемых признаков;
п - число ранжируемых единиц (число наблюдений).
Формула (150) применяется для случая, кода ранги по каж-дому признаку не повторяются. Если же есть связанные ран-ги, то коэффициент конкордации рассчитывается с учетом числа таких повторяющихся (связанных) рангов по каждому фактору:
, (151)
где t – число одинаковых рангов по каждому признаку.
Коэффициент конкордации W может принимать значения от 0 до 1. Однако, необходимо проверить его на существенность (значимость) с помощью критерия χ2 при отсутствии связанных рангов по формуле (152), а при их наличии – по формуле (153):
, (152) 
. (153)
Фактическое значение χ2 сравнивается с табличным, соответ-ствующим принятому уровню значимости α (0,05 или 0,01) и числу степеней свободы v = п – 1. Если χ2факт > χ2табл, то W – существенен (значим).
Коэффициент конкордации особенно часто используется в экспертных оценках, например, для того, чтобы определить сте-пень согласованности мнений экспертов о важности того или иного оцениваемого показателя или составить рейтинг отдельных единиц по какому-либо признаку. В формуле (150) в этих случаях т означает число экспертов, а n - число ранжируемых единиц (или признаков).
