- •Министерство образования и науки украины
- •Третий модуль Тема 3. Корреляционно-регрессионный анализ данных наблюдений
- •Последовательность проведения корреляционно-регрессионного анализа
- •Введение в тему
- •Последовательность проведения корреляционно-регрессионного анализа
- •3.2. Проверка данных статистического наблюдения на наличие выбросов
- •3.3. Общие сведения из корреляционно-регрессионного анализа
- •3.4. Форма корреляционной связи
- •3.5. Теснота корреляционной связи
- •Проверка на тесноту связи
- •3.6. Сила корреляционной связи
- •3.7. Методикаполученияуравнений линейной регрессии в случае малых выборок Последовательность проведения регрессионного анализа
- •Технологияопределения в среде эт коэффициентовлинейнойрегрессии в случае малых выборок
- •Прогнозирование на основе полученной модели регрессии
- •3.8. Понятие о многомерном корреляционном анализе
- •Определение Для расчета используем ту же матрицу третьего порядка. Расчет ведем по формуле:
- •Коэффициент множественной корреляции
- •3.9. Создание математических моделей регрессии
- •Парный нелинейный регрессионный анализ
- •Экономический смысл коэффициентов регрессии
- •Многомерный нелинейный регрессионный анализ
- •3.10. Методика получения уравнений парной линейной регрессии при большом объеме выборки
- •3.11. Понятие о мультиколлинеарности
- •Тесты для самоконтроля
- •Характеристика тестов темы 3:
- •Контрольные задания
Введение в тему
Сущность корреляционно-регрессионного метода состоит в том, что на основе имеющейся информации, полученной в результате статистических наблюдений за прошлое время, составляются уравнения регрессии, представляющие собой математические модели. Они могут быть линейными и нелинейными. С помощью математических моделей можно прогнозировать развитие процессов во времени и, следовательно, находить оптимальные решения.
Чтобы можно было уверенно пользоваться результатами решения инженерных и экономических задач, необходимо иметь достаточно достоверные исходные данные. Особенно это важно в тех случаях, когда создается новая техника, разрабатывающая новые технологические процессы, строятся новые предприятия и модернизируются существующие, т.е. когда нет еще фактических данных о реальных характеристиках проектируемых объектов.
Единственным путем получения информации в таких случаях является сбор необходимых данных на других аналогичных объектах и их обработка методами математической статистики. Для предприятий источниками информации являются отчетные данные предприятий, документы первичного учета, бухгалтерская документация и часто результаты прямых наблюдений.
Следовательно, несмотря на неопределенность большинства характеристик, выступающих в моделях в качестве исходных данных, надо уметь их собирать, оценивать, и получать достоверные решения и возможные пределы их отклонений.
Основные экономические характеристики и показатели производственно-хозяйственной деятельности предприятий обладают свойствами массовости и повторяемости, т.е. являются случайными в статистическом понимании и допускают возможность обработки методами математической статистики. Статистическая обработка данных для математического моделирования и во многих случаях результаты статистической обработки (регрессионные уравнения) можно рассматривать в качестве моделей прогнозирования.
Основная задача корреляционно-регрессионного анализа – определение формы, силы и тесноты корреляционной связи между случайными величинами.
При составлении этого модуля без прямого цитирования и специальных ссылок были использованы работы [1,3].
Последовательность проведения корреляционно-регрессионного анализа
Формулировка экономической проблемы. Четко определяется экономическое явление, устанавливаются объекты и период исследования. Формулируются экономически осмысленные и приемлемые гипотезы о зависимости экономических явлений, на основе которых устанавливается форма связи.
Идентификация переменных. Исходя из физического смысла явления, выделяются результативные и факторные признаки.
Сбор статистического материала.В зависимости от цели и задач исследования устанавливается принцип отбора. Принимается решение о проведении исследования по генеральной совокупности или по выборке из нее.
Спецификация функции регрессии.Конкретная формулировка гипотезы о форме связи: линейная, нелинейная, парная или многомерная регрессия.
Оценка функции регрессии.Определяются численные значения параметров регрессии и показателей, характеризующих точность регрессионного анализа.
Анализ качества полученной модели.На этом этапе должны быть сделаны выводы о точности результатов регрессионного анализа.
Экономическая интерпретация.Результаты регрессионного анализа сравниваются с гипотезами, сформулированными на первом этапе, и оценивается их правдоподобие с экономической точки зрения.
Прогнозирование на основе полученной модели. Точечный прогноз получают путем подстановки в уравнение регрессии значений факторных признаков. Если полученная модель уравнения регрессии экономически объективна и обладает требуемой точностью, то прогнозируемые значения обладают достаточной надежностью. По своему характеру они являются средними значениями, которые следует ожидать с большой вероятностью. Отдельные эмпирические значения рассеиваются вокруг средних значений, поэтому фактические значения результативного признака не будут совпадать с расчетными (прогнозами). Рассеяние наблюдений вокруг линии регрессии определяет надежность получаемых по уравнению регрессии прогнозируемых оценок. Для каждого прогнозируемого значения необходимо определять доверительный интервал (интервальный прогноз).