12.12. Корреляция рядов динамики

В главах, посвященных статистическому изучению взаимосвязей методом аналитической группировки и методом корреляционного анализа, рассматривались зависимости между признаками, варьирующими в пространственной совокупности. Но необходимо изучать и связи, проявляющиеся в развитии, во времени. Например, есть ли связь между изменениями урожайности сельскохозяйственных культур и изменениями ее себестоимости, рентабельности? Есть ли связь между динамикой рождаемости и динамикой обеспеченности населения жильем? К сожалению, проблема изучения причинных связей во времени очень сложна, и полное решение всех задач такого рода до сих пор не разработано.

Характерным примером для иллюстрации особенностей методики анализа корреляции в рядах динамики служит связь динамики урожайности сельскохозяйственных культур с себестоимостью продукции в 1970—-1980-е гг. в СССР. Официально тогда не признавалось наличие инфляции. Однако даже в тех хозяйствах, где применение агротехники прогрессировало и урожайность имела тенденцию роста, себестоимость продукции тоже возрастала. Такой пример представлен в табл. 12.15.

Основная сложность состоит в том, что, как показано в подразд. 12.10, при наличии тренда за достаточно длительный период большая часть суммы квадратов отклонений связана с трендом. Если два признака имеют тренды с одинаковым направлением изменения уровней, то между уровнями этих признаков будет наблюдаться положительная ковариация. И в одном, и в другом ряду уровни более поздних лет будут либо больше, либо меньше уровней более ранних периодов. Коэффициент корреляции уровней окажется положительным. При разной направленности трендов ковариация уровней и коэффициент их корреляции окажутся отрицательными.

Но одинаковая направленность трендов вовсе не означает причинной зависимости. Например, рост производства ракет не причина происходившего в тот же период роста производства мяса. Гораздо вероятнее, что при отсутствии гонки производства ракетного оружия производство мяса росло бы значительно быстрее. А коэффициенты корреляции уровней

516

517

518

519

520

уровня) урожайности 10 341 большую часть составляет дисперсия за счет колеблемости 7678, то для себестоимости преобладающим моментом общей дисперсии, равной 405,16, является не колеблемость, дающая только 133,43, а тренд; это эффект скрытой инфляции до 1989 г.

Другим приемом измерения корреляции в рядах динамики может служить корреляция между теми из цепных показателей рядов, которые являются константами уравнений трендов. При линейных трендах — это цепные абсолютные приросты. Вычислив их по исходным рядам динамики (axi, ayj), находим коэффициент корреляции между абсолютными изменениями по формуле (12.43) или, что более точно, по формуле (12.42), так как средние изменения не равны нулю в отличие от средних отклонений от трендов. Допустимость данного способа основана на том, что разность между соседними уровнями в основном состоит из колебаний, а доля тренда в них невелика, следовательно, искажение корреляции от тренда очень большое при кумулятивном эффекте на протяжении длительного периода, весьма мало — за каждый год в отдельности. Однако нужно помнить, что это справедливо лишь для рядов с с-по- казателем, существенно меньшим единицы. В нашем примере для ряда урожайности с-показатель равен 0,144, для себестоимости он равен 0,350. Коэффициент корреляции цепных абсолютных изменений составил 0,928, что очень близко к коэффициенту корреляции отклонений от трендов. Для рядов с тенденцией, близкой к экспоненте, следует рекомендовать корреляцию цепных темпов роста. Вычисление корреляции рядов динамики по цепным показателям не требует предварительного вычисления трендов, но все же желательно иметь приближенное представление о характере тенденции. Для параболических трендов с не очень большими ускорениями можно коррелировать цепные абсолютные изменения; при больших ускорениях лучше их не коррелировать. Если коррелируемые ряды имеют разные типы тенденций, вполне допустимо коррелировать соответствующие разные цепные показатели: абсолютные изменения в одном ряду с темпами изменений в другом и т.д.

К сожалению, все вышеизложенные приемы, по существу, решают только задачу измерения связи между колебаниями признаков, а не между тенденциями их изменений. Насколь521