|
|
Численность рабочих и балансовая прибыль
Для приблизительной оценки направления и тесноты связи между признаками, представленными двумя рядами, можно также использовать коэффициент корреляции рангов. При определении коэффициента корреляции рангов значения х ранжируются, а затем ранжируются и соответствующие им значения у. В результате получаем ранги, т.е. места, номера единиц совокупности в упорядоченном ряду. При этом в случае наличия одинаковых вариантов каждому из них присваивается среднее арифметическое значение их рангов. Коэффициент ранговой корреляции Спирмена:
где d – разность между рангами соответствующих величин двух признаков; n – число единиц в ряду. Коэффициент корреляции рангов принимает значения [-1; 1]. Если Для числовой характеристики тесноты связи могут использованы показатели вариации результативного признака: общая его дисперсия Коэффициент ранговой корреляции Кендэла:
где q – число рангов, расположенных в обратном порядке.
В практике статистических исследований часто приходится анализировать альтернативные распределения, когда совокупность распределяется по каждому признаку на две группы с противоположными характеристиками. Тесноту связи в этом случае можно оценить с помощью коэффициента ассоциации (коэффициент четырехклеточной корреляции):
Таблица 29 Зависимость успеваемости студентов от пола
Следовательно, между полом студента и его успеваемостью связь практически отсутствует. Рассмотренные ранее статистические методы исследования взаимосвязей часто оказываются недостаточными, ибо они не позволяют выразить имеющуюся связь в виде определенного математического уравнения. Методы параллельных рядов и аналитических группировок эффективны лишь при малом числе факторных признаков, в то время, как социально-экономические явления складываются обычно под воздействием множества причин. Эти ограничения устраняет метод анализа корреляций и регрессий. Метод анализа корреляций и регрессий заключается в построении и анализе экономико-математической модели в виде уравнения регрессии, выражающего зависимость явления от определяющих его факторов. Например, зависимость объема производства (у) (млн.руб.) от его технической оснащенности (х) (%):
Можно утверждать, что с увеличением технической оснащенности на 1%, объем производства увеличится в среднем на 21,4 млн.руб. Метод анализа корреляций и регрессий состоит из следующих этапов: предварительный анализ; сбор информации и ее первичная обработка; построение модели (уравнения регрессии); оценка и анализ модели. На первом этапе необходимо в общем виде сформулировать задачу исследования (изучение влияния различных факторов на уровень производительности труда). Далее следует определить методику измерения результативного показателя (производительность труда может быть определена натуральным, трудовым или стоимостным методами). Необходимо также определить число факторов, оказывающих наиболее существенное влияние на формирование результативного признака. На этапе сбора и обработки информации исследователю необходимо помнить, что изучаемая совокупность должна быть достаточно большой по объему. Исходные данные должны быть качественно и количественно однородны. При построении корреляционной модели (уравнения регрессии) возникает вопрос о типе аналитической функции, характеризующей механизм взаимосвязи между признаками. Эта связь может быть выражена прямой линией параболой второго порядка гиперболой показательной функцией То есть возникает вопрос о выборе формы связи. По виду эмпирической регрессии предполагают, какой тип кривой может быть описан. Далее решается уравнение регрессии. Затем с помощью специальных критериев оценивается их адекватность и выбирается та форма связи, которая обеспечивает наилучшее приближение и достаточную статистическую достоверность. Выбрав форму связи и построив уравнение регрессии в общем виде, необходимо найти численное значение его параметров. Для нахождения параметров используют способ наименьших квадратов. Суть его состоит в следующем:
Находятся частные производные данного выражения по
Решение этой системы в общем виде дает следующие значения параметров:
После нахождения параметров, получаем уравнение регрессии, по которому находим теоретические частоты Можно получить
Коэффициент регрессии может быть представлен следующим образом:
Коэффициент регрессии При линейной форме связи показателем ее тесноты выступает линейный коэффициент корреляции:
Коэффициент корреляции принимает значения [-1; +1] r = -1, связь обратная; r = +1 – прямая. Зная линейный коэффициент корреляции можно определить коэффициент регрессии (
Контрольные вопросы 1. Сущность стохастической взаимосвязи между явлениями. 2. Что такое корреляция? 3. Приведите классификацию регрессии. 4. Основные методы обнаружения взаимосвязей между явлениями. 5. Как построить корреляционную таблицу? 6. В каких случаях рассчитывается коэффициент ассоциации? 7. Основные этапы корреляционно-регрессионного анализа. 8. Как определить линейный коэффициент корреляции?   Что делать, если нет взаимности? А теперь спустимся с небес на землю. Приземлились? Продолжаем разговор...  Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам...  Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот...  Что делает отдел по эксплуатации и сопровождению ИС? Отвечает за сохранность данных (расписания копирования, копирование и пр.)... Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:
|
чел.
тыс.руб.
, таким образом между признаками существует слабая обратная связь.
,
- тесная прямая связь, 
- тесная обратная связь, 
- связь отсутствует. Коэффициент корреляции рангов имеет определенные преимущества перед другими характеристиками направления и тесноты связи: его можно определять при исследовании данных, которые не поддаются нумерации, но ранжируются (оттенки, качество).
и межгрупповая дисперсия (
,
.
;
;
;
и др.
, 
.
и 
и приравниваются к нулю. После преобразований получим систему нормальных уравнений:
.
.
для каждого значения 
и получим:
.
.
показывает меру влияния изменения объясняющей переменной х на зависимую переменную у. Постоянная регрессии 
определяет точку пересечения прямой регрессии с осью ординат. После определения оценок параметров регрессии 
. Она характеризует отклонение переменной 
,
; 
;
.
.