Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
методичка моделювання моя(Дугинец).doc
Скачиваний:
3
Добавлен:
15.11.2019
Размер:
265 Кб
Скачать
☆

4.2. Кореляційно-регрісійний аналіз

Закономірності економічних процесів характеризуються взаємозв'язком між статистичними показниками. Статистичні показники вимагають в певних відносинах між собою, виступаючи в ролі залежних або незалежних ознак. Ознаки, які впливають на певний результат, називають незалежними або чинниками ознаками. Ознаки, значення яких формуються під впливом інших ознак, називаються залежними або досліджуваними ознаками. Залежність між ознаками може виявлятися у функціональній або стохастичній формі.

Отримання функціональних співвідношень між соціально-економічними показниками, за винятком тих випадків, коли вони існують за визначенням, з практичної точки зору є нереальним. Для соціально-економічної сфери характерними є такі зв'язки, коли кожному значенню випадкової ознаки чинника відповідає певна безліч значень результуючої ознаки. Такі зв'язки називаються стохастичними (статистичні), вони можуть мати різний характер.

Якщо зміна однієї випадкової величини пов'язана із зміною середнього значення іншого, то існує кореляційна залежність. У відмінності від функціональної залежності, кореляційний зв'язок є не повним, оскільки залежність між функцією і аргументом в кожній ситуації перебуває під впливом інших чинників. Кореляційна залежність виявляється тільки в масових явищах і може встановлюватися для пари показників (парна кореляція) або для декількох показників (множина кореляція). Характерною особливістю кореляційного зв'язку, у відмінності від функціональної є його безповоротність.

До основних задач кореляційно-регресійного аналізу відносяться:

  • Встановлення наявності зв'язку між досліджуваними ознаками;

  • Виявлення вигляду і функції зв'язку;

  • Знаходження параметрів функції зв'язку;

  • Оцінка достовірності одержаних результатів.

При цьому термін «кореляція» використовується для оцінки тісноти зв'язку між показниками, а термін «регресія» - для опису вигляду і параметрів функції зв'язку (регресійної моделі). По числу ознак чинників, які входять в регресійну модель, розрізнятимемо одно факторні та багатофакторні моделі.

Багатофакторний кореляційно - регресійний аналіз

Значення багатьох соціально-економічних показників формується під впливом не однієї, а декількох різних ознак факторів . При цьому кожна ознака фактору окремо не виробляє визначального впливу на результуючу ознаку, але їх загальний вплив є відчутним. Для кількісного аналізу характеру впливу декількох ознак факторів на результуючу ознаку використовується моделі множинної кореляції і регресії.

Першим кроком множинного кореляційно-регресійного аналізу вважається рішення питання, які фактори необхідно включати в модель. Очевидно, що необхідною умовою включення фактору в модель є наявність статистичного зв'язку між ним і результуючим показником. На перший погляд може показатися, що в модель повинні входити всі фактори, які впливають на результуючий показник. Проте такий підхід може привести до не якнайкращих наслідків. Якщо між факторами існує функціональний або дуже щільний статистичний зв'язок (мультиколінеарність), то немає необхідності включати в модель їх разом, тому що один з них можна виразити через інший.

Включення в модель в модель взаємозв'язаних факторів приводить до:

  • розширенню інтервалів довіри;

  • не значущості t - статистики для оцінки параметрів моделі;

  • складнощам обчислювального характеру, пов'язаних з рішенням системи нормальних рівнянь для визначення коефіцієнтів рівняння множинної регресії.

Рівняння множинної регресії об'єктивно відображає явище лише тоді, коли фактори є кореляційно незалежними. У разі мультіколінеарності факторів одну із змінних факторів слід виключити з моделі, а її вплив на результуючу зміну відображатиме іншу, взаємозв'язану з нею.

Другим важливим кроком побудови багатофакторної регресійної моделі є математично-статистичний аналіз факторів, в процесі якого відтворюється інформація, якій бракувало, а також проводиться перевірка основних припущень класичної регресійної моделі.

Кількісною мірою тісноти зв'язку між результуючою і ознаками факторів служить множинний (сукупний) коефіцієнт кореляції, який характеризує міру загального впливу незалежних змінних на величину залежною змінно .

Окрім моделей лінійної множинної кореляції, в економічних дослідженнях знаходять застосування і нелінійні моделі. Наприклад, для аналізу залежності результатів виробництва від факторів, які його визначають, використовують статистичну залежність вигляду:

Логарифмуючи цю функцію, одержуємо:

Систему нормальних рівнянь і коефіцієнти логарифмічно-лінійної моделі визначають аналогічно випадку лінійної залежності між даними.

Проведення множинного кореляційно-регресійного аналізу пов'язане з виконанням численних рутинних операцій. Тому на практиці всі розрахунки виконують лише з використанням відповідних пакетів прикладних програм, залишаючи досліднику місце тільки для визначення виду моделі і аналізу результатів моделювання.

Непараметричні методи дослідження взаємозв'язків між ознаками.

Розглянуті вище методи вимірювання взаємозв'язків між ознаками в статистиці прийнято називати параметричними, оскільки вони базуються на використовування середніх величин і дисперсій, які є основними параметрами розподілу. Очевидно, що параметричні методи не можна застосувати, якщо ознаки не піддаються кількісному вимірюванню або не виконується припущення про нормальний розподіл висхідної ознаки для сукупності малого об'єму. Таких випадків застосовують непараметричні методи оцінки зв'язку, які не вимагають числового виразу значень ознак і обчислення параметрів розподілу. Вони служать для виявлення зв'язків між якісними (атрибутивними) ознаками і не вимагають інформації об розподіл ознак.

В той же час слід зазначити, що використовування непараметричних методів зменшує глибину дослідження порівняно з параметричними методами. Непараметричні методи забезпечують лише оцінку густини зв'язку і перевірку його істотності, а параметричні, крім того, дають можливість представити зв'язок за допомогою рівняння регресії.