- •1.2 Анализ динамики показателей
- •1.2.2 Проявление тенденции динамики показателей
- •1.3 Исследование статистических рядов распределения
- •1.3.1 Расчет средних величин
- •1.3.2 Определение показателей вариации
- •1.3.3 Изучение формы распределения
- •1.3.4 Графическое изображение ряда распределения
- •1.3.5. Проверка статической гипотезы про нормальный закон распределения.
- •1.4.1 Случайная бесповторная выборка
- •1.4 Выборочное наблюдение
- •1.4.2 Типическая бесповторная выборка
- •1.5 Анализ статистических индексов
- •1.5.1 Построение агрегатных индексов
- •1.5.2 Индексный факторный анализ
- •1.5.3 Определение индексов средних величин
- •Раздел 2
- •2.1 Метод параллельных рядов
- •2.2 Метод аналитических группировок.
- •2.3 Построение корреляционных уравнений
- •2.4 Оценка силы корреляционной связи
- •2.5 Построение гистограмм отклонений эмпирических значений от теоретическиих
2.4 Оценка силы корреляционной связи
По выбранным корреляционным моделям оценим силу корреляционной связи с помощью таких показателей как эмпирическое корреляционное отношение, эмпирический коэффициент детерминации, линейный коэффициент парной и множественной корреляции, индекс множественной корреляции.
Эмпирический коэффициент детерминации определяется по формуле:
,
(2.4.13)
где
- факторная дисперсия,
-
общая дисперсия.
Для выполнения расчетов составим вспомогательные таблицы: 2.18 – для себестоимости переработки и коэффициента перевалки, 2.19 – для себестоимости переработки и уровнем механизации, 2.20 - для коэффициента перевалки и уровня механизации, 2.21 – для множественной регрессии.
Таблица 2.4.18
|
№ |
У |
|
|
|
|
1 |
1,76 |
1,80 |
0,017 |
0,009 |
|
2 |
1,84 |
1,60 |
0,005 |
0,030 |
|
3 |
1,52 |
1,56 |
0,011 |
0,021 |
|
4 |
1,35 |
1,56 |
0,011 |
0,100 |
|
5 |
1,66 |
1,55 |
0,013 |
0,000 |
|
6 |
1,63 |
1,55 |
0,014 |
0,001 |
|
7 |
1,39 |
1,55 |
0,014 |
0,076 |
|
8 |
1,49 |
1,55 |
0,014 |
0,031 |
|
9 |
1,55 |
1,55 |
0,014 |
0,013 |
|
10 |
1,56 |
1,59 |
0,006 |
0,011 |
|
11 |
1,89 |
1,73 |
0,004 |
0,050 |
|
12 |
1,58 |
1,73 |
0,004 |
0,007 |
|
13 |
1,92 |
1,83 |
0,027 |
0,065 |
|
14 |
1,95 |
1,83 |
0,027 |
0,081 |
|
15 |
1,9 |
2,03 |
0,131 |
0,055 |
|
∑ |
24,99 |
24,99 |
0,31 |
0,55 |
Таблица 2.4.19
|
№ |
У |
|
|
|
|
1 |
1,9 |
1,90 |
0,0556 |
0,0548 |
|
2 |
1,92 |
1,89 |
0,0511 |
0,0645 |
|
3 |
1,76 |
1,83 |
0,0255 |
0,0088 |
|
4 |
1,95 |
1,78 |
0,0122 |
0,0807 |
|
5 |
1,63 |
1,75 |
0,0067 |
0,0013 |
|
6 |
1,58 |
1,75 |
0,0067 |
0,0074 |
|
7 |
1,89 |
1,65 |
0,0004 |
0,0502 |
|
8 |
1,66 |
1,65 |
0,0004 |
0,0000 |
|
9 |
1,49 |
1,61 |
0,0036 |
0,0310 |
|
10 |
1,84 |
1,61 |
0,0036 |
0,0303 |
|
11 |
1,39 |
1,56 |
0,0104 |
0,0762 |
|
12 |
1,52 |
1,52 |
0,0215 |
0,0213 |
|
13 |
1,55 |
1,52 |
0,0215 |
0,0135 |
|
14 |
1,35 |
1,52 |
0,0215 |
0,0999 |
|
15 |
1,56 |
1,47 |
0,0376 |
0,0112 |
|
∑ |
24,99 |
24,99 |
0,28 |
0,55 |
Таблица 2.4.20
|
№ |
У |
|
|
|
|
1 |
83 |
83,02 |
21,63 |
21,78 |
|
2 |
90 |
89,19 |
2,31 |
5,44 |
|
3 |
92 |
90,44 |
7,69 |
18,78 |
|
4 |
92 |
90,44 |
7,69 |
18,78 |
|
5 |
89 |
90,81 |
9,85 |
1,78 |
|
6 |
86 |
91,00 |
11,10 |
2,78 |
|
7 |
91 |
91,02 |
11,23 |
11,11 |
|
8 |
90 |
91,02 |
11,23 |
5,44 |
|
9 |
92 |
91,02 |
11,23 |
18,78 |
|
10 |
93 |
90,03 |
5,60 |
28,44 |
|
11 |
89 |
86,29 |
1,90 |
1,78 |
|
12 |
86 |
86,29 |
1,90 |
2,78 |
|
13 |
79 |
83,38 |
18,42 |
75,11 |
|
14 |
85 |
83,38 |
18,42 |
7,11 |
|
15 |
78 |
77,70 |
99,27 |
93,44 |
|
∑ |
1315 |
1315,00 |
239,45 |
313,33 |
Таблица 2.4.21
|
№ |
У |
|
|
|
|
1 |
1,76 |
1,93 |
0,07 |
0,01 |
|
2 |
1,84 |
1,97 |
0,09 |
0,03 |
|
3 |
1,52 |
1,70 |
0,00 |
0,02 |
|
4 |
1,35 |
1,57 |
0,01 |
0,10 |
|
5 |
1,66 |
1,78 |
0,01 |
0,00 |
|
6 |
1,63 |
1,60 |
0,00 |
0,00 |
|
7 |
1,39 |
1,53 |
0,02 |
0,08 |
|
8 |
1,49 |
1,66 |
0,00 |
0,03 |
|
9 |
1,55 |
1,55 |
0,01 |
0,01 |
|
10 |
1,56 |
1,54 |
0,02 |
0,01 |
|
11 |
1,89 |
1,72 |
0,00 |
0,05 |
|
12 |
1,58 |
1,57 |
0,01 |
0,01 |
|
13 |
1,92 |
1,74 |
0,01 |
0,06 |
|
14 |
1,95 |
1,61 |
0,00 |
0,08 |
|
15 |
1,9 |
1,53 |
0,02 |
0,05 |
|
∑ |
24,99 |
24,99 |
0,28 |
0,55 |
Таким образом рассчитаем факторную дисперсию.
у(х1)
х2(х1)
у(х2)

Множественная
регрессия:
Теперь рассчитаем общую дисперсию:
у(х1):

х2(х1)

у(х2):

Множественная регрессия:

С помощью формулы (2.4.13) и полученных данных определяем эмпирический коэффициент детерминации. В результате получаем:
у(х1):
.
х2(х1):
.
у(х2):
.
Множественная регрессия:
.
Теперь мы можем определить коэффициент корреляционного отношения, который равен:
(2.4.14)
у(х1)

х2(х1)

у(х2)

Множественная корреляция

По рассчитанным коэффициентам корреляционного отношения можем сделать выводы:
-
Между себестоимостью переработки и коэффициентом перевалки существует сильная связь.
-
Между себестоимостью переработки и уровнем механизации существует сильная связь.
-
Между коэффициентом перевалки и уровнем механизации - сильная связь.
-
Между себестоимостью переработки и коэффициентом перевалки и уровнем механизации существует сильная связь.
По рассчитанным коэффициентам детерминации можем сделать выводы:
-
На 56% вариации себестоимости переработки обусловлены коэффициентом перевалки, а уровнем механизации на 50%.
-
Вариации уровня механизации на 76% обусловлены коэффициентом перевалки, а на 24% другими факторами.
-
Влиянием одновременно и коэффициентом перевалки и уровнем механизации вариации себестоимости переработки обусловлены на 51%, а на 49% - другими факторами.
Проверим существенность (значимость) корреляционного отношения.
Для оценки надежности коэффициента детерминации
(2.4.15),
где
- коэффициент
детерминации;
-
объем выборки;
-
количество параметров уравнения. В
данном случае
=3.
При
уровне значимости равным 0,05 критическое
значение критерия Фишера
.
Таким образом,
у(х1):
.
Так
как
,
то с вероятностью 0,95 можно утверждать,
что значение корреляционного отношения
является существенным.
у(х2):

Так
как
,
то с вероятностью 0,95 можно утверждать,
что значение корреляционного отношения
является существенным.
х1(х2):

Так
как
,
то с вероятностью 0,95 можно утверждать,
что значение корреляционного отношения
является существенным.
Множественная
регрессия

Так
как
,
то с вероятностью 0,95 можно утверждать,
что значение корреляционного отношения
является существенным.
Так как выбраны нелинейные корреляционные модели, то рассчитывать линейные коэффициенты корреляции не будем.
Коэффициенты регрессии (коэффициент при х в корреляционной модели).в моделях соответственно равны:
-
-75,27 Это значит что связь между себестоимостью переработки и коэффициентом перевалки обратная.
-
0,2 – связь между себестоимостью переработки и уровнем механизации прямая.
-
2232,72 – связь между коэффициентом перевалки и уровнем механизации обратная.
Рассчитаем Коэффициенты эластичности:
(2.4.19)
Коэффициент эластичности в параболической модели меняется с изменением факторного признака . Он показывает на сколько процентов изменится результирующий признак при изменении факторного на 1 %. Рассчитаем коэффициенты эластичности для каждой из трех рассматриваемых пар и сведем их в единую таблицу - 2.4.22.
Таблица 2.4.22
|
№ |
у(х1) |
у(х2) |
х2(х1) |
|
1 |
-31,60 |
5,04 |
17,86 |
|
2 |
-30,45 |
4,97 |
17,22 |
|
3 |
-29,99 |
4,69 |
16,96 |
|
4 |
-29,99 |
4,55 |
16,96 |
|
5 |
-29,76 |
4,48 |
16,83 |
|
6 |
-29,53 |
4,48 |
16,70 |
|
7 |
-29,30 |
4,27 |
16,57 |
Продолжение таблицы 2.4.22
|
8 |
-29,30 |
4,27 |
16,57 |
|
9 |
-29,30 |
4,20 |
16,57 |
|
10 |
-28,61 |
4,20 |
16,18 |
|
11 |
-27,69 |
4,13 |
15,67 |
|
12 |
-27,69 |
4,06 |
15,67 |
|
13 |
-27,23 |
4,06 |
15,41 |
|
14 |
-27,23 |
4,06 |
15,41 |
|
15 |
-26,54 |
3,99 |
15,02 |
По рассчитанным коэффициентам эластичности можем сделать выводы(для первого наблюдения):
-
При увеличении коэффициента перевалки на 1% себестоимость переработки уменьшится на 31,6%.
-
При увеличении уровня механизации на 1% себестоимость переработки увеличится на 5,04%.
-
При увеличении коэффициента перевалки на 1% уровень механизации увеличится на 17,86%.
Также рассчитаем коэффициенты эластичности для множественной регрессии. Для каждого факторного признака будет рассчитываться свой коэффициент эластичности.
Для коэффициента перевалки:
Е=0,54*1,31/1,67=0,42
Для уровня механизации:
Е=-0,026*87,67/1,67=-1,36
При увеличении коэффициента перевалки на 1% - себестоимость переработки увеличится на 0,42%, а при увеличении уровня механизации на 1 % себестоимость переработки уменьшится на 1,36%.












