Парная корреляция и парная линейная регрессия
Оценка значимости параметров взаимосвязи
Определение инфляции. Открытая и подавленная форма инфляции. Измерение инфляции
Основные методики расчета индексов, их преимущества и недостатки
Статистика цен и расчёт ИПЦ в РФ
Инфляция в России
Рассчитываем коэффициент корреляции ранга
Навигация
Парная корреляция и парная линейная регрессия
Статистическое изучение взаимосвязи социально-экономических явлений
60033
знака
8
таблиц
5
изображений
2. Парная корреляция и парная линейная регрессия
Простейшим приемом выявления связи между двумя признаками является построение корреляционной таблицы. В основу группировки положены два изучаемых во взаимосвязи признака – Х и У. Частоты fij показывают количество соответствующих сочетаний Х и У.
Если fij расположены в таблице беспорядочно, можно говорить об отсутствии связи между переменными. В случае образования какого-либо характерного сочетания fij допустимо утверждать о связи между Х и У. При этом, если fij концентрируется около одной из двух диагоналей, имеет место прямая или обратная линейная связь.
Наглядным изображением корреляционной таблице служит корреляционное поле. Оно представляет собой график, где на оси абсцисс откладывают значения Х, по оси ординат – У, а точками показывается сочетание Х и У. По расположению точек, их концентрации в определенном направлении можно судить о наличии связи.
В итогах корреляционной таблицы по строкам и столбцам приводятся два распределения – одно по X, другое по У. Рассчитаем для каждого Хi среднее значение У, т.е. 
, как
(1)
Последовательность точек (Xi, 
) дает график, который иллюстрирует зависимость среднего значения результативного признака У от факторного X, – эмпирическую линию регрессии, наглядно показывающую, как изменяется У по мере изменения X.
По существу, и корреляционная таблица, и корреляционное поле, и эмпирическая линия регрессии предварительно уже характеризуют взаимосвязь, когда выбраны факторный и результативный признаки и требуется сформулировать предположения о форме и направленности связи. В то же время количественная оценка тесноты связи требует дополнительных расчетов.
Практически для количественной оценки тесноты связи широко используют линейный коэффициент корреляции. Иногда его называют просто коэффициентом корреляции. Если заданы значения переменных Х и У, то он вычисляется по формуле
(2)
Можно использовать и другие формулы, но результат должен быть одинаковым для всех вариантов расчета.
Коэффициент корреляции принимает значения в интервале от -1 до + 1. Принято считать, что если |r| < 0,30, то связь слабая; при |r| = (0,3÷0,7) – средняя; при |r| > 0,70 – сильная, или тесная. Когда |r| = 1 – связь функциональная. Если же r принимает значение около 0, то это дает основание говорить об отсутствии линейной связи между У и X. Однако в этом случае возможно нелинейное взаимодействие, что требует дополнительной проверки и других измерителей, рассматриваемых ниже.
Для характеристики влияния изменений Х на вариацию У служат методы регрессионного анализа. В случае парной линейной зависимости строится регрессионная модель
(3)
где n – число наблюдений; а0, а1 – неизвестные параметры уравнения; ei – ошибка случайной переменной У.
Уравнение регрессии записывается как
(4)
где Уiтеор – рассчитанное выровненное значение результативного признака после подстановки в уравнение X.
Параметры а0 и а1 оцениваются с помощью процедур, наибольшее распространение из которых получил метод наименьших квадратов. Его суть заключается в том, что наилучшие оценки a0 и а1, получают, когда
(5)
т.е. сумма квадратов отклонений эмпирических значений зависимой переменной от вычисленных по уравнению регрессии должна быть минимальной. Сумма квадратов отклонений является функцией параметров а0 и а1. Ее минимизация осуществляется решением системы уравнений
(6)
Можно воспользоваться и другими формулами, вытекающими из метода наименьших квадратов, например:
или 
(7, 8,9)
Аппарат линейной регрессии достаточно хорошо разработан и, как правило, имеется в наборе стандартных программ оценки взаимосвязи для ЭВМ. Важен смысл параметров: а1 – это коэффициент регрессии, характеризующий влияние, которое оказывает изменение Х на У. Он показывает, на сколько единиц в среднем изменится У при изменении Х на одну единицу. Если а, больше 0. то наблюдается положительная связь. Если а имеет отрицательное значение, то увеличение Х на единицу влечет за собой уменьшение У в среднем на а1. Параметр а1 обладает размерностью отношения У к X.
Параметр a0 – это постоянная величина в уравнении регрессии. На наш взгляд, экономического смысла он не имеет, но в ряде случаев его интерпретируют как начальное значение У.
Например, по данным о стоимости оборудования Х и производительности труда У методом наименьших квадратов получено уравнение
У = -12,14 + 2,08Х.(10)
Коэффициент а, означает, что увеличение стоимости оборудования на 1 млн руб. ведет в среднем к росту производительности труда на 2.08 тыс. руб.
Значение функции У = a0 + а1Х называется расчетным значением и на графике образует теоретическую линию регрессии.
Смысл теоретической регрессии в том, что это оценка среднего значения переменной У для заданного значения X.
Парная корреляция или парная регрессия могут рассматриваться как частный случай отражения связи некоторой зависимой переменной, с одной стороны, и одной из множества независимых переменных – с другой. Когда же требуется охарактеризовать связь всего указанного множества независимых переменных с результативным признаком, говорят о множественной корреляции или множественной регрессии.
Похожие работы
... (13) и (15) значения, сравниваются с критическими tк, которые принимаются согласно данным таблицы Стьюдента с учетом заданного уровня значимости (a) и числа степеней свободы (k = n - 2). В социально-экономических исследованиях уровень значимости a обычно принимают равным 5%, т.е. a = 0,05, что соответствует доверительной вероятности 95%. Параметр признается существенным при условии, если tф > ...
... особого этапа статистического исследования – сводки. Сводка – это характеристика выделенных групп и совокупности в целом с помощью статистических показателей. Статистический показатель – это обобщающая характеристика социально-экономических явлений и процессов в конкретных условиях места и времени. Обобщающие показатели могут быть представлены абсолютными, относительными и средними величинами. ...
... исследуемых объектов, приводит к изменению установившихся причинно-следственных связей. Именно поэтому изучение структуры и структурных сдвигов занимает важное место в курсе теории статистики. В статистике под структурой понимают совокупность единиц, обладающих определенной устойчивостью внутригрупповых связей при сохранении основных признаков, характеризующих эту совокупность как целое. Основные ...
... с Программой социально-экономического развития РФ должен быть завершен переход к формированию и предоставлению официальной статистической информации на основе ОКВЭД. 2 Взаимосвязь показателей деятельности предприятия Статистические показатели - представляют собой количественную характеристику социально-экономических явлений и процессов в условиях качественной определенности. Система ...
0 комментариев