|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
КОРРЕЛЯЦИЯСогласование в системе из двух наборов случайных величин и может быть обнаружено в рамках корреляционного анализа, в основе которого лежит гипотеза о связи между двумя признаками. Один из признаков – факторный (условно определяющий), а другой – результативный. Проведенная прямая называется прямой регрессии или прямой, построенной методом наименьших квадратов. Последний термин связан с тем, что сумма квадратов расстояний (вычисленных по оси Y) от наблюдаемых точек до прямой является минимальной. Заметим, что использование квадратов расстояний приводит к тому, что оценки параметров прямой сильно реагируют на выбросы. Регрессионный анализ заключается в определении аналитического выражения связи зависимой случайной величины Y (называемой результативным признаком) с независимыми случайными величинами X1, X2, …, Xm (называемые факторами). Форма связи результативного признака Y с факторами X1, X2, …, Xm получила название уравнения регрессии. Различают регрессии: ü линейную и нелинейную (квадратичная, экспоненциальная, логарифмическая и т.д.), ü парную и множественную (многофакторную) регрессии. Исследования изменений статистических показателей с течением времени приводят к статистическим закономерностям, выраженным в виде рядов динамики. Так, например, результатом таких исследований, проведенных органами статистики, явилась таблица, касающаяся динамики среднемесячной заработной платы в России за 1995 год. Проведение подобных исследований за последующие годы может определить тенденцию развития страны. Аналогично можно использовать ряды динамики не только в макроэкономике, но и по отношению к небольшим предприятиям и организациям. На рисунке представлен ряд динамики выпуска продукции (в денежном выражении) некоторым предприятием. Скачкообразный характер распределения переменной (млн. руб.) во времени не позволяет сразу оценить тенденцию развития предприятия. Для определения закономерности в работе (стабильности, повышения или снижения показателей, ритмичности и т.п.) используется метод выравнивания ряда динамики, основанный на усреднении данных по укрупненным интервалам. Ряд, построенный по средним значениям в укрупненных интервалах, будет характеризоваться меньшей «колеблемостью» (флуктуациями) признака. Таким образом, имеется средняя линяя развития – линия тренда. Скорость роста характеризуется коэффициентом роста, то есть тангенсом угла наклона линии тренда к оси времени. В практике статистического изучения временных рядов различают следующие основные типы развития явлений во времени: 1. Равномерное развитие 2. Равноускоренное (равнозамедленное) развитие 3. Развитие с переменным ускорение (замедлением) 4. Развитие с замедлением роста в конце периода Трендовыми моделями можно пользоваться для краткосрочных и среднесрочных прогнозов. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.) |