Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

или .

Корреляционный анализ выполняет оценку адекватности регрессионной модели, но путем установления тесноты связи.

Оценка линейного коэффициента корреляции

Значение r	Характер связи	Интерпретация связи
r = 0	Отсутствует	Изменение x не влияет на изменения y
0 < r < 1	Прямая	С увеличением x увеличивается y
-1 > r > 0	Обратная	С увеличением x уменьшается y и наоборот
r = 1	Функциональная	Каждому значению факторного признака строго соответствует одно значение результативного

Значимость линейного коэффициента корреляции проверяется на основе t-критерия Стьюдента. Для этого определяется фактическое значение критерия :

, (6.18)

Вычисленное по формуле (6.18) значение сравнивается с критическим , который получают по таблице Стьюдента с учетом принятого уровня значимости и числа степеней свободы ν.

Коэффициент корреляции считается статистически значимым, если t_расч превышает ( t_расч > ).

Универсальным показателем тесноты связи является теоретическое корреляционное отношение:

, (6.19)

где – общая дисперсия эмпирических значений y, характеризует вариацию результативного признака за счет всех факторов, включая х;

– факторная дисперсия теоретических значений результативного признака, отражает влияние фактора х на вариацию у;

– остаточная дисперсия эмпирических значений результативного признака, отражает влияние на вариацию у всех остальных факторов кроме х.

По правилу сложения дисперсий:

, т.е. . (6.19)

Оценка связи на основе теоретического корреляционного отношения (шкала Чеддока)

Значение	Характер связи		Значение	Характер связи
η = 0	Отсутствует		0,5 ≤ η < 0,7	Заметная
0 < η < 0,2	Очень слабая		0,7 ≤ η < 0,9	Сильная
0,2 ≤ η < 0,3	Слабая		0,9 ≤ η < 1	Весьма сильная
0,3 ≤ η < 0,5	Умеренная		η = 1	Функциональная

Для линейной зависимости теоретическое корреляционное отношение тождественно линейному коэффициенту корреляции, т.е. η = |r|.

Множественный коэффициент корреляции в случае зависимости результативного признака от двух факторов вычисляется по формуле:

, (6.20)

где – парные коэффициенты корреляции между признаками.

Множественный коэффициент корреляции изменяется в пределах от 0 до 1 и по определению положителен: .

Значимость коэффициента множественной детерминации, а соответственно и адекватность всей модели и правильность выбора формы связи можно проверить с помощью критерия Фишера:

, (6.21)

где R² – коэффициент множественной детерминации (R² );

k – число факторных признаков, включенных в уравнение регрессии.

Связь считается существенной, если F_расч > F_табл – табличного значения F-критерия для заданного уровня значимости α и числе степеней свободы ν₁ = k, ν₂ = n – k – 1.

Частные коэффициенты корреляции характеризуют степень тесноты связи результативного признака и фактора, при элиминировании его взаимосвязи с остальными факторами, включенными в анализ. В случае зависимости у от двух факторных признаков частные коэффициенты корреляции рассчитываются:

; , (6.22)

где r – парные коэффициенты корреляции между указанными в индексе переменными.

В первом случае исключено влияние факторного признака х₂, во втором – х_1.

Для оценки сравнительной силы влияния факторов, по каждому фактору рассчитывают частные коэффициенты эластичности:

, (6.23)

где – среднее значение соответствующего факторного признака;

– среднее значение результативного признака;

– коэффициент регрессии при i-м факторном признаке.

Данный коэффициент показывает, на сколько процентов следует ожидать изменения результативного показателя при изменении фактора на 1% и неизменном значении других факторов.

Частный коэффициент детерминации показывает, на сколько процентов вариация результативного признака объясняется вариацией i-го признака, входящего в множественное уравнение регрессии, рассчитывается по формуле:

, (6.24)

где – парный коэффициент корреляции между результативным и i-м факторным признаком;

– соответствующий стандартизованный коэффициент уравнения множественной регрессии:

. (6.25)

Практическая часть

Выявить зависимость между нераспределенной прибылью и инвестициями в основные фонды, применяя:

А) метод параллельных рядов

Б) метод группировок

В) графический метод

3.2. Измерить тесноту связи между указанными признаками

Таблица№1

Для изучения капитальных вложений в производство из собственных средств предприятий в регионе проведена 5%-я механическая выборка, в результате которой получены следующие данные:

1. Метод параллельных рядов. Произведем ранжирование капитальных вложений в производство по нераспределенной прибыли

Таблица№2

После проведения ранжирования четко видна взаимосвязь нераспределенной прибыли от инвестиций в основные фонды. При большей прибыли инвестиции в основные фонды больше.

2. Метод группировок. Для образования групп предприятий по нераспределенной прибыли необходимо определить величину интервала по формуле Стерджесса:

Характеристики

Список файлов курсовой работы