|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Загальні відомості й теоретичні положенняВелику роль в пізнанні навколишньої дійсності, постійному уточненні й поглибленні знань людини про все більш нові її сторони і властивості відіграє кількісний аналіз, що базується на приматі якісного дослідження причинно-наслідкових зв'язків між явищами. Розрізняють два види залежності між економічними явищами і процесами: - функціональні, коли зміна однієї змінної Х (аргументу, чинника) на одиницю свого вимірювання зумовлює зростання або зменшення іншої змінної У (функції) на певну величину, тобто для кожного можливого (допустимого) значення Х відповідає цілком певне значення У; - стохастичні (вірогідність), при яких зміна однієї випадкової величини Х викликає зміну ряду розподілу (середнього значення) іншої У, тобто кожному функціональному значенню аргументу відповідає статистичний розподіл функції і навпаки. Функціональну (жорсткі, однозначні) залежність не слід змішувати з формулами, що використовуються для обчислення різних статистичних показників, оскільки перші характеризують одну з багатоманітних (об'єктивних) форм зв'язку між явищами і процесами в природі і суспільстві, а другі – формальний (арифметичний) підхід до оцінки отриманих результатів, часто у вигляді ланцюга співмножників. В економіці доводиться досліджувати явища, які грають імовірнісний характер; витрати часу на одиницю роботи; простій устаткування (рухомого складу) за певний відрізок часу; собівартість продукції (послуг) та ін. Стохастична залежність може бути суттєвою, тобто обумовлена внутрішньо властивими даному явищу причинами, і несуттєвими, які викликані дією зовнішніх (випадкових) причин (середовищем); безпосередніми і опосередніми, стійкими і нестійкими, сильними і слабкими, простими (між двома змінними) і складними (між залежною змінною У і декількома чинниками-аргументами х1,х2,…,хn). До розділу математико-статистичного моделювання, заснованого на логіці масових явищ, відноситься регресійний і кореляційний аналіз, який застосовується при вирішенні задач організації і нормування праці, планування в галузях житлово-комунального господарства, управління і прогнозування виробництва (послуг). Використання методів кореляції і регресії базується на математико-статистичній обробці вибіркових даних. Завдання дослідника полягає у виявленні закономірностей, що приховані за похибками вимірювання, помилками спостереження, випадковими причинами, зробити ці закономірності більш очевидними, абстрагувати від всього другорядного, незначного і концентруючись на найважливішому, суттєвому. Поняття кореляції з'явилося в середині XIX ст. завдяки роботам Ф.Гальтона і К.К.Пірсона. Після ознайомлення з книгою Ч.Дарвіна «Походження видів» у 1859г. Ф.Гальтона стала обіймати думка про те, чому люди з покоління в покоління не сильно розрізняються за виглядом, ростом і природними здібностями. У 1885г. вийшла робота Ф.Гальтона «Регресія у напрямі до загального середнього розміру при дослідженні росту», в якій він приходить до висновку, що ознаки батьків не повністю успадковуються дітьми. Введене ним поняття регресії означає рух назад у напрямку до середнього. Кореляція як формально-статистичний метод не може розкрити причинно-наслідковий зміст зв'язків, вказати, яке явище приймати як причину, а яке як наслідок. Питання про наявність причинних відносин між явищами в кожному конкретному випадку розв'язується, виходячи з логіко-професійних міркувань, які повинні передувати кореляційному аналізу. Проте це не виключає того, що пояснення причини і наслідку можна отримати після емпіричного опису зв'язку. Приклади: зв'язок між зростанням продуктивності праці і заробітною платою; між числом пожеж і розміром урожаю. Регресія – це одностороння стохастична залежність між випадковими величинами, в якій кожному значенню Х відповідає ряд значень У і, навпаки; кожному значенню У – безліч значень Х. На відміну від кореляційної, функція регресії необоротна. Це обумовлено наступними обставинами: - спрямованістю і видом зв'язку між явищами; - метою і завданнями дослідження, якщо за значеннями змінної, вибраної як аргумент, необхідно передбачити відповідне значення функції; - необхідністю виявлення найбільш суттєвих чинників, що впливають на досліджувану функцію. Слід розрізняти: причинні зв'язки між явищами, коли Х – причина, а У – наслідок, або Х>У (врожайність і кількість опадів, добрив); причинні зв'язки між явищами, між якими існує взаємодія, або У-Х (продуктивність праці і заробітна плата); непрямі зв'язки, коли досліджувані явища безпосередньо не мають причинно-наслідкових відносин, а мають загальну причину тобто Х і У1 ↔У2 У2
(вік чоловіків і жінок, які беруть шлюб); помилкові (абсурдні) зв'язки, які виходять при формальному підході до досліджуваних явищ, без з'ясування причин, що обумовлюють даний зв'язок (число пожеж у країні – причиною є засуха). Ці зв'язки частіш за все обумовлені відсутністю попереднього їх аналізу, неправомірною (некоректною) розмірністю досліджуваних змінних (абсолютні величини) – продуктивність праці і чисельність трудящих. Регресійну модель слід розглядати як математичний вид реального закономірного зв'язку. В економічних дослідженнях представляє інтерес не просто вивчення взаємозв'язків процесів і явищ, а кількісний вид цих взаємозв'язків. Тому до моделі перш за все ставиться вимога найбільшої відповідності характеру досліджуваного процесу, можливості економічної інтерпретації всіх його параметрів і наближення розрахункових результатів до досліджених даних. Звідси значне підвищення вимог до точності, надійності й адекватності кожного параметра моделі в цілому. Процес кореляційного і регресійного аналізу складається з таких послідовних етапів: - попередні угрупування статистичних даних і виявлення форми зв'язку; - складання рівнянь парної регресії за кожним чинником; - оцінки тісноти зв'язку, надійності й достовірності отриманої залежності; - розробки регресійної багатофакторної моделі явища, що вивчається, оцінки її точності й визначення сили впливу врахованих чинників; - аналіз досліджуваного явища (показників) за допомогою складеного тижня. Дані подібного аналізу можна розглядати як основу при оцінці протікання досліджуваного процесу.
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.) |