- •Федеральное государственное бюджетное образовательное учреждение
- •Тема 1. Предмет, метод и задачи статистики
- •Тема 2. Статистическое измерение и наблюдение
- •Тема 3. Сводка и группировка материалов статистического наблюдения
- •Тема 4. Абсолютные и относительные величины
- •Тема 5. Средние величины
- •Структурные средние
- •Определение моды по дискретному ряду распределения
- •Определение моды и медианы по интервальным вариационным рядам
- •Тема 6. Показатели вариации
- •Относительные показатели вариации
- •Дисперсия альтернативного признака
- •Виды дисперсий
- •Тема 7. Статистическое изучение динамики социально-экономических явлений
- •Аналитические показатели ряда динамики
- •Средние показатели в рядах динамики
- •Методы анализа основной тенденции (тренда) в рядах динамики
- •Выравнивание по уравнению прямой
- •Методы выявления сезонной компоненты
- •Основы прогнозирования
- •Тема 8. Экономические индексы
- •Тема 9. Выборочное наблюдение
- •Тема 10. Статистическое изучение взаимосвязи социально-экономических явлений
- •Парная регрессия на основе метода наименьших квадратов
- •Параметрические методы изучения связи
- •Принятие решений на основе уравнений регрессии
- •Методы изучения связи качественных признаков
- •Ранговые коэффициенты связи
- •Рекомендуемая литература
- •Тема 1. Предмет, метод и задачи статистики 2
Парная регрессия на основе метода наименьших квадратов
Парная регрессия позволяет получить аналитическое выражение связи между двумя признаками: результативным и факторным.
Определить тип уравнения можно, исследуя зависимость графически, однако существуют более общие указания, позволяющие выявить уравнение связи, не прибегая к графическому изображению. Если результативный и факторный признаки возрастают одинаково, то это свидетельствует о том, что связь между ними линейная, а при обратной связи - гиперболическая. Если результативный признак увеличивается в арифметической прогрессии, а факторный значительно быстрее, то используется параболическая или степенная регрессия.
Оценка параметров уравнений регрессии (а0, а1, а2) осуществляется методом наименьших квадратов, в основе которого лежит предположение о независимости наблюдений исследуемой совокупности и нахождении параметров модели, при которых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выбранному уравнению регрессии:
Система нормальных уравнений для определения параметров уравнения линейнойпарной регрессии методом наименьших квадратов имеет следующий вид:
Решение системы: ,
В уравнениях регрессии параметр а0показывает усредненное влияние на результативный признак неучтенных в уравнении факторных признаков.Коэффициент регрессииа1показывает, на сколько в среднем изменяется значение результативного признака при увеличении факторного признака на единицу собственного измерения.
Параметрические методы изучения связи
Измерение тесноты (силы) и направления связи является важной задачей изучения и количественного измерения взаимосвязи социально-экономических явлений. Оценка тесноты связи между признаками предполагает определение меры соответствия вариации результативного признака и одного (при изучении парных зависимостей) или нескольких (множественных зависимостей) факторных признаков.
Линейный коэффициент корреляциихарактеризует тесноту и направление связи между двумя коррелируемыми признаками в случае наличия между ними линейной зависимости.
В теории разработаны и на практике применяются различные модификации формулы расчета данного коэффициента:
Между линейным коэффициентом корреляции и коэффициентом регрессии существует определенная зависимость, выражаемая формулой:
Линейный коэффициент корреляции изменяется в пределах от -1 до +1:
[-1 < r< 1]. Знаки коэффициентов регрессии и корреляции совпадают.
Оценка линейного коэффициента корреляции
Значение линейного коэффициента связи |
Характеристика связи |
Интерпретация связи |
r = 0 |
отсутствует |
- |
0<r<1 |
прямая |
с увеличением х увеличивается y |
-1<r<0 |
обратная |
с увеличением х уменьшается y и наоборот |
r=1 |
функциональная |
каждому значению факторного признака строго соответствует одно значение результативного признака |
В случае наличия нелинейной зависимостимежду двумя признаками для измерения тесноты связи применяюткорреляционное отношение. Различают эмпирическое и теоретическое корреляционное отношение.
Эмпирическоекорреляционное отношение рассчитывается по данным группировки:
где и— межгрупповая и общая дисперсия результативного признака (y).
Теоретическоекорреляционное отношение определяется по формуле:
где — дисперсия выровненных значений результативного признака, то есть рассчитанных по уравнению регрессии;
—дисперсия эмпирических (фактических) значений результативного признака;
—остаточная дисперсия.
Корреляционное отношение изменяется в пределах от 0 до 1 [0 < < 1].
На практике часто приходится исследовать зависимость результативного признака от нескольких факторных признаков. В этом случае статистическая модель может быть представлена уравнением регрессии с несколькими переменными величинами. Такая регрессия называется множественной.
Например, линейная регрессия с т независимыми переменными имеет вид:
Множественный коэффициент корреляциивычисляется при наличии линейной связи между результативным и несколькими факторными признаками, а также между каждой парой факторных признаков.
Множественный коэффициент корреляции изменяется в пределах от 0 до 1 и по определению положителен: 0 < R< 1. Приближение R к единице свидетельствует о сильной зависимости между признаками.
Частные коэффициенты корреляциихарактеризуют степень тесноты связи между двумя признакамих1их2при фиксированном значении других факторных признаков, то есть когда влияниех3исключается, то есть оценивается связь междух1их2в «чистом виде».