АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Регресійно - кореляційний аналіз взаємозв’язку. Оцінювання щільності та перевірка істотності кореляційного зв’язку на основі рівняння регресії

Читайте также:
  1. IX. У припущенні про розподіл ознаки по закону Пуассона обчислити теоретичні частоти, перевірити погодженість теоретичних і фактичних частот на основі критерію Ястремського.
  2. Алгоритм однофакторного дисперсійного аналізу
  3. АНАЛІЗ ABC-XYZ В УПРАВЛІННІ МАТЕРІАЛЬНИМИ ЗАПАСАМИ
  4. Аналіз беззбитковості підприємства
  5. Аналіз валового прибутку підприємства
  6. Аналіз виробничого левериджу
  7. Аналіз деяких типових конфліктів у військових колективах
  8. Аналіз етапів інноваційного циклу
  9. Аналіз ефективності роботи основних засобів та довгострокових інвестицій
  10. Аналіз ефектів.
  11. Аналіз і оцінка зібраних у справі доказів
  12. АНАЛІЗ ІННОВАЦІЙНИХ МОЖЛИВОСТЕЙ ОРГАНІЗАЦІЇ.

До основних завдань кореляційно - регресійного аналізу (КРА) належать:

· постановка завдання, встановлення наявності зв’язку між досліджуваними ознаками;

· вибір найістотніших факторів для аналізу;

· визначення характеру зв’язку, його напряму і форми, вибір математичного рівняння для вираження існуючих зв’язків;

· знаходження параметрів рівняння і показників тісноти зв’язку;

· статистична оцінка достовірності отриманих результатів.

Вимоги до сукупності, що досліджується:

§ сукупність має бути якісно однорідна (основний метод забезпечення однорідності - групування);

§ сукупність повинна бути достатньо великою за обсягом, щоб у результаті дії закону великих чисел показники регресії і кореляції були достатньо надійними і стійкими, відображали об'єктивні закономірності взаємозв'язку, були вільними від дій випадкових обставин;

§ спостереження мають бути стохастично незалежними, тобто результати кожного спостереження не повинні залежати від результатів інших спостережень;

§ кожному значенню ознаки-фактора (xi) відповідає нормальний чи близький до нього розподіл результативної ознаки (у) з однаковою дисперсією.

Первинна обробка вихідної інформації - це перевірка її достовірності та перевірка того факту, який свідчить про збереження у необхідних межах вимог, яким вона має задовольняти (однорідність, незалежність, нормальність розподілу). Перевірка достовірності та збереження вимог, яким має задовольняти вихідна інформація, здійснюється шляхом якісного її аналізу та за допомогою методів і критеріїв математичної статистики: F - критерій Фішера, t - критерій Стьюдента.

Фактори, що включаються до рівняння регресії, мають справляти достатньо суттєвий вплив на результативну ознаку, тобто зв'язок результативної ознаки з кожною факторною ознакою має бути достатньо тісним. Для попередньої перевірки зазначеного вище доцільно використовувати такі методи, як порівняння паралельних рядів та аналітичне групування: просте та комбінаційне.

Однак фактори, що входять до рівняння регресії, не повинні перебувати між собою в лінійному функціональному або дуже тісному кореляційному зв'язку, оскільки тісно пов'язані між собою фактори дублюють один одного та перекручують результати КРА, що призводить до нестійкості коефіцієнтів рівняння регресії.

Для цього необхідно визначити щільність зв'язку кожного фактора з кожним з інших факторів-ознак за допомогою розрахунку парних лінійних коефіцієнтів кореляції, а потім виключити один чи кілька тісно пов'язаних з іншим (іншими) факторами.

Кореляційний аналіз - це метод, за допомогою якого можна отримати кількісне вираження взаємозв'язку соціально-економічних явищ у вигляді рівняння регресії (рівняння кореляційного зв'язку), тобто у вигляді тієї чи іншої функції, що приблизно виражає залежність середнього значення результативної ознаки від одного чи декількох ознак-факторів:

При цьому термін „кореляція” використовується для оцінки щільності зв’язку між ознаками, а термін „регресія” – для опису виду і параметрів функції зв’язку (регресійної моделі). За числом факторних ознак, які входять в регресійну модель, розрізняють однофакторні та багатофакторні моделі.

Залежно від вихідних даних теоретичною лінією регресії можуть бути різні типи кривих або пряма лінія. Особливе місце в обґрунтуванні форми зв’язку при проведенні кореляційного аналізу належить графікам, побудованим у системі прямокутних координат на основі емпіричних даних. Графічне зображення фактичних даних дає наочне уявлення про наявність і форму зв’язку між досліджуваними ознаками.

При побудові графіка на осі абсцис відкладають значення факторної ознаки, а на осі ординат - значення результативної ознаки. Побудований точковий графік називають кореляційним полем (див. рис. 10.1 та 10.2 ). За характером розміщення точок на кореляційному полі роблять висновок про напрям і форму зв’язку. Якщо точки розкидані по всьому полю, то це свідчить про те, що зв’язок між ознаками відсутній або дуже слабкий. Якщо точки концентруються навколо уявної осі, направленої зліва, знизу, праворуч, вгору, то зв’язок прямий. Якщо ж навпаки зліва, зверху, праворуч, вниз - зв’язок обернений. Характер розміщення точок на кореляційному полі вказує на наявність прямолінійного або криволінійного зв’язку між досліджуваними ознаками, дозволяє добрати відповідне математичне рівняння для кількісної оцінки зв’язку, що існує між ознаками. Зв'язки між двома чинниками аналітично можуть бути виражені у вигляді прямої, степеневої функції, гіперболи та ін.

v Оцінювання щільності та перевірка істотності кореляційного зв’язку на основі рівняння регресії

У вигляді лінійної функції (пряма лінія), якщо результативна ознака рівномірно зростає (зменшується) зі зростанням (зменшенням) факторної ознаки:

де ŷх - теоретичне значення результативної ознаки;

а0 і а1 - параметри рівняння прямої (рівняння регресії);

х - індивідуальні значення факторної ознаки.

Параметри рівняння прямої а 0 та а 1 визначаються шляхом розв'язання системи нормальних рівнянь, одержаних методом найменших квадратів, основною умовою якого є мінімізація суми квадратів відхилень емпіричних значень від теоретичних:

Система нормальних рівнянь для знаходження параметрів парної лінійної регресійної моделі має вигляд:

 

 

де у - індивідуальні значення результативної ознаки.

За незгрупованими даними:

 

У рівнянні прямої параметр а 0 економічного змісту не має, це - початок відліку, або значення при а 1 = 0. Параметр а1 є коефіцієнтом регресії, який показує середню зміну результативної ознаки при зміні факторної ознаки на одиницю. Коефіцієнти регресії є величинами іменованими і мають одиниці вимірювання, що відповідають ознакам, зв’язок між якими вони характеризують. Якщо a 1 > 0, то зв’язок прямий, якщо a 1 < 0, то зв’язок обернений, якщо a 1 = 0, то зв’язок відсутній.

Побудова регресійних моделей у вигляді степеневої функції або у вигляді гіперболи процес більш трудомісткий.

Побудова множинних регресійних моделей - процес досить трудомісткий. Для вирішення цих завдань існують різні методи, які описані в літературі та містяться у пакетах стандартних програм для ПЕОМ (АРМ-статистика).

При кореляційному зв’язку разом з досліджуваним фактором на результативну ознаку впливають і інші фактори, які не враховуються або не можуть бути враховані кількісно. При цьому дія їх може бути направлена як в сторону підвищення результативної ознаки, так і в сторону її зниження. Тому виникає необхідність визначення тісноти зв’язку між ознаками, у визначенні сили дії досліджуваного фактора на результативну ознаку та в оцінці адекватності моделі. Для цього використовують такі характеристики:

v Лінійний коефіцієнт кореляції (г) використовується тільки для вимірювання щільності зв'язку лінійної форми:

 

 

або

або ;

 

де

 

[-1] ≤ r ≤ [+1].

 

Якщо | r | = 1, то між досліджуваними ознаками існує функціональний зв’язок.

Якщо r = 0, то зв’язок відсутній.

Якщо r наближується до - 1, то між досліджуваними факторами існує щільний обернений зв’язок.

Якщо r наближується до + 1, то між досліджуваними факторами існує щільний прямий зв’язок.


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.)