Способ графический – нанеся эмпирические данные на поле корреляции, но более точная оценка производится с помощью метода наименьших квадратов

1.    способ графический – нанеся эмпирические данные на поле корреляции, но более точная оценка производится с помощью метода наименьших квадратов.

2.    МНК

Х – признак фактический

У - признак результативный

Разница между фактическим значением и значением рассчитанным по уравнению связи возведенное в квадрат должна стремиться к минимуму.

При МНК min сумма квадратов отклонений эмпирических значений у от теоретических полученных по выбранному уравнению регрессии.

Для линейной зависимости

для параболы

Для гиперболы

параметры a,b,c записываются в уравнение, затем подставляем полученное уравнение эмпирическое значение x_i и находим теоретическое значение y_i. Затем сравниваем y_i теоретическое иy_iэмпирическое. Сумма квадратов разности между ними должна быть минимальна. Выбираем тот вид зависимости при котором выполняется данная зависимость.

В уравнении парной линейной регрессии:

b – коэффициент парной линейной регрессии, он измеряет силу связи, т.е. характеризует среднее по совокупности отклонение у от его средней величины на принятую единицу измерения.

b=20 при изменении х на 1 признак у отклониться от своего среднего значения на 20 в среднем по совокупности.

Положительный знак при коэффициенте регрессии говорит о прямой связи между признаками, знак «-» говорит об обратной связи между признаками.

§4. Применение парного линейного уравнения регрессии.

Основное применение – прогнозирование по уравнению регрессии. Ограничением при прогнозировании служат условия стабильности других факторов и условий процесса. Если резко измениться в нем среда протекающего процесса, то данное уравнение регрессии не будет иметь места.

Точечный прогноз получается подстановкой в уравнение регрессии ожидаемого значения фактора. Вероятность точной реализации такого прогноза крайне мала.

Если точечный прогноз сопровождается значением средней ошибки прогноза, то такой прогноз называется интервальным.

Средняя ошибка прогноза образуется из двух видов ошибок:

1.    ошибок 1 рода – ошибка линии регрессии

2.    ошибка 2 рода – ошибка связанная с ошибкой вариации.

Средняя ошибка прогноза.

- ошибка положения линии регрессии в генеральной совокупности

n - объем выборки

x_k – ошибочное значение фактора

 - СКО результативного признака от линии регрессии в генеральной совокупности

Корреляционный анализ предполагает оценку тесноты связи. Показатели:

линейные коэффициент корреляции – характеризует тесноту и направление связи между двумя признаками в случае наличия между ними линейной зависимости

при =-1 связь функциональная обратная, =1 связь функциональная прямая, при =0 связь отсутствует.

МИНУСЫ

Применяется только для линейных связей, используется для оценки связей между количественными признаками. Рассчитываются только по индивидуальным значениям.

Корреляционное отношение:

Эмпирическое:  оба вида дисперсии рассчитываются по результативному признаку.

Теоретическое:

 - дисперсия значений результативного признака рассчитанных по уравнению регрессии

 - дисперсия эмпирического значения результативного признака

ПЛЮСЫ

·     высокая степень точности

·     подходит для оценки тесноты связи между описательным и количественным признаком, но количественный должен быть результативным

·     подходит для любых типов связей

Коэффициент корреляции Спирмена

xi	yi
10	1
20	7
30	4

Ранги – порядковые номера единиц совокупности в ранжированном ряду. Ранжировать оба признака необходимо в одном и том же порядке от меньших к большим или наоборот. Если ранги единиц совокупности обозначить р_х и р_у, то коэффициент корреляции рангов примет следующий вид:

Преимущества коэффициента корреляционного ряда:

Ранжировать можно и по описательным признакам, которые нельзя выразить численно, следовательно расчет коэффициента Спирмена возможен для следующих пар признаков: кол-во – кол-во; описательный – количественный; Описательный – описательный. (образование – описательный признак) показывает направление связи

Недостатки коэффициента Спирмена.

1.    одинаковым разностям рангов могут соответствовать совершенно отличные разности значения признака (в случае количественных признаков). Пример: Выработка электроэнергии страны в год

США 2400 кВт/ч 1

РФ 800 кВт/ч 2

Канада 600 кВт/ч 3

Если среди значения Спирмена встречаются несколько одинаковых, то образуются связанные ранги т.е. одинаковые средние номера

800 1

600 2,5

600 2,5

400 4

В данном случае коэффициент Спирмена рассчитывается следующим образом:

j – номера связок по порядку для признака х

A_j – число одинаковых рангов в j связи по х

k – номера связок по порядку признака у

B_k – число одинаковых рангов в к-ой связке по у