3. Особенности применения корреляционно регрессионного анализа

Классический регрессионный корреляционный анализ базируется на следующих предположениях:

Число точек выборки значительно превосходит число факторных признаков. Обычно. В экономических задачах, как правило, всегда удается получить большую выборку и рассмотренное соотношение не выполняется, но модели приходится все же строить, помня об условии, что при малом числе точек выборки уменьшается число степеней свободы, следовательно,увеличивается и возрастает доверительный интервал. Точность модели ухудшается, и выводы не будут достоверными.
Все i члены выборки для j фактора взаимно не коррелированы. Обратное явление называется автокорреляция, а ряд называется автокоррелированным. Для оценки степени автокорреляции используется коэффициент автокорреляции . Автокоррелированный ряд эквивалентен не автокоррелированному с меньшим числом точек выборки. Уменьшение числа точек выборки ведет к уменьшению числу степеней свободы, а, следовательно, ведет к увеличению доверительного интервала и ухудшению точности модели.
Все признаки должны выражаться числом. Сравнение по качеству нескольких объектов между собой производится с помощью ранжирования, т.е. объектам присваивается ранг. Первый ранг лучшему объекту, а последний худшему объекту. Для определения степени связи между ранжированными величинами используются коэффициенты корреляции рангов. Например, коэффициент Спирмана . Коэффициент Спирмана меняется от -1 до 1. Для ранжированных величин используется коэффициент конкордации. Данный коэффициент применяется, например, для оценки согласованности мнения экспертов при обработки данных экспертного опроса, где- число экспертов,- число оцениваемых объектов. Если мнение экспертов совпадает, то коэффициент равен 1, если противоположно то 0.

Тема № 7: Ряды динамики и их анализ

1. Виды рядов и показатели ряда динамики.

2. Выявление тенденций развития ряда динамики.

3. Изучение сезонности и показатели колеблемости.

4. Прогнозирование на основе рядов динамики и фактографические методы прогнозирования.

1. Виды рядов и показатели ряда динамики

Динамическим или временным рядом называется ряд значений статистических показателей расположенных в хронологической последовательности. Статистические показатели называются уровнями ряда и обозначаются .

Виды рядов динамики:

Интервальные. Уровень ряда характеризует состояние явления за интервал.
Моментные. Уровень ряда характеризует состояние явления на определенную дату.

Уровни ряда должны быть сопоставимы, что означает одинаковый подход к единицам совокупности, одинаковая полнота охвата, единые цены, равенство периодов, единая методология расчета. Приведение ряда к сопоставимому виду называется смыкание.

Показатели ряда динамики бывают базисными и цепными. Базисные показатели характеризуют окончательный результат всех изменений уровня от базисного периода до текущего, цепные характеризуют изменение уровней от периода к периоду.