22. Понятие функциональной и статистицеской связи
Все социально-экономические явл развиваются во взаимосвязи и взаимозависимости Эти связи позволяют понять механизм причинно-следственной связи, и, соответственно, управлять этими связями. Причинно-следственные связи между явлми явл основными.
В связи с этим при изучении связи признаки делятся на признаки-причины и признаки-следствия. Следствие всегда вытекает из причины. Вместе с тем, на виду с указанными признаками, след учитывать признаки-условия и признаки-совпадения. Их учёт позволяет правильно оценить причину и следствие, и, соответственно, не сделать ошибочных выводов. Совпадение во времени различных явлений вовсе может и не означать
наличие причинно-следственной связи.
Различают функциональную и стат-ую связь.
Функциональной связью называется такая зависимость между признаками (х и у), когда каждому отдельному значению х соответствует одно единственное значение у.
В реальной жизни такие связи явл абстракциями. Однако, для сравнительно простых систем главным образом неорганического мира, допускается возможность такой зависимости. В точных науках, в физике, электротехнике, химии и т.д. Эти зависимости хар-ризуются строгими Ф-лами. В экономической жизни такие зависимости встречаются очень редко.
Например, производительность труда и др.
Большая часть социально-экономических явлений и процессов имеют форму стат-ой связи, когда различным значениям одного и того же признака или одним и тем же значениям признака X соответствуют различные значения Y. Стат-ую связь иногда называют стохастически детерминированной, то есть каждому значению х с определённой вероятностью в допустимых пределах соответствует значение признака-результата, но в целом зак-ть связи проявл через среднее значение Y.
В ст-ке разработаны спец методы изучения связи между явлми: аналитическая группировка, индексный метод, балансовый метод, метод средних велич и корреляционно- регрессионный анализ. Выбор метода изучения связи зависит от уровня измеря взаимосвязанных переменных (X иУ).
Уровень измеря переменных хар-ризуется специальной шкалой, построенной по принципу "от низших к высшим порядкам измеря". В этой шкале переменные по уровню измеря делятся на:
а) Номинальные (форма собственности, отраслевая принадлежность, мотив миграции)
б) Порядковые (уровень образования, квалификационный тарифный разряд, рейтинг)
в) Интервальные, или количественные переменные, которые позволяют измерить св-ва проявл взаимосвязей между явлми.
Для количественных переменных и применяются методы корреляции и регрессии.
23. Корреляционно-регрессионный анализ (общая хар-ристика).
Корреляционный анализ предшествует регрессионному. На первом этапе необходимо выявить наличие связи между изучаемыми явлми. Обычно большинство связей обнаруживается на основе теоретического анализа. Однако, встречаются такие виды связей между явлми, которые логически объяснить, а тем более доказать либо очень трудно, либо невозможно.
В этом случае приходится обращаться за помощью к ст-ке и эмпирическим путём доказывать наличие связи. Даже в том случае, если связь между явлми теоретически обоснована, все равно прибегают к стат-им данным, что бы гипотеза о связи стала фактической теорией.
С этой целью в ст-ке рассчитываются показ тесноты связи - индексы корреляции
Если изучается связь между двумя переменными, корреляция называется парной. Если на результативный признак оказывает влияние множество факторов, корреляция называется множественной
Связи, которые изучаются с помощью корреляции, могут быть прямолинейными и нелинейными, прямыми и обратными. Что бы выявить тип корреляции, необходимо выполнить ряд условий, предъявляемых к совок-тям изучаемых признаков: качественная однородность, наличие вариац, нормальное распределение ед. совок-ти по изучаемому признаку.
К-во ед. совок-ти (число наблй) должно быть достаточно большим что бы проявилась стат-ая зак-ть.
Корреляция явл частным случаем стат-ой связи. Поэтому, после выявл самого факта наличия связи, её тип можно установить графическим способом - на основе поля корреляции.
На этих графиках располагаются точки соответствия, через которые можно провести прямую и кривую линию.
Y=f(x)
Связь между этими показателями записывается через коэффициент парной линейной корреляции:
Этот коэффициент парной корреляции принимает значения от -1 и 1 и явл симметричной хар-ристикой (rух=rху)- до 0,3 - связь очень слабая 0,3-0,5 - умеренная 0,5-0,7 - заметная 0,7-0,9 - сильная (тесная) 0,9 и более - очень сильная Коэффициент корреляции rку2 называется коэффициентом детерминации. Во множественной корреляции показ тесноты связи называют соответственно коэффициентом множественной корреляции: R. Что бы его построить, используют матрицу парных коэффициентов корреляции: y=f(xl,x2,x3)
R2 - множество детерминации. Чем ближе он к 1, тем очевиднее наличие полной стат-ой связи.
На основе пок-лей корреля ции строят регрессию изучаемых признаков в виде уравнения Уравнение регрессии это стохас1 тическая зависимость междз переменными, выраженная в определённой математической функции.
Y=a+bx.
Нелинейная: У=а+b/х
Показ тесноты связи во множественной регрессии определяется на основе матрицы парных коэффициентов корреляции, например:
Y=a+b1*х1i+b2*х2.
