- •Розділ іі. Статистична оцінка показників урожайності цукрових буряків
- •Розділ ііі. Кореляційний аналіз урожайності цукрових буряків та чинники, що її формують
- •3.1. Проста парна кореляція
- •3.2 Аналіз урожайності методом множинної кореляції
- •Розрахунок коефіцієнта Фехнера залежності урожайності цукрових буряків та кількістю внесених мінеральних добрив
- •Розрахунок коефіцієнта Фехнера залежності урожайності цукрових буряків та кількістю внесених мінеральних добрив
3.2 Аналіз урожайності методом множинної кореляції
Таблиця 18
№ |
Внесено Мін.добрив ц.д.р x1 |
Якість ґрунту, балів X2 |
Урожайність y |
Розрахункові величини |
|||||
X12 |
X22 |
X1*X2 |
X1*Y |
X2*y |
Y2 |
||||
1 |
1,9 |
65 |
340 |
3,61 |
4225 |
123,5 |
646 |
22100 |
115600 |
2 |
1,9 |
76 |
330 |
3,61 |
5776 |
144,4 |
627 |
25080 |
108900 |
3 |
3,6 |
86 |
310 |
12,96 |
7396 |
309,6 |
1116 |
26660 |
96100 |
4 |
1,9 |
63 |
243 |
3,61 |
3969 |
119,7 |
461,7 |
15309 |
59049 |
5 |
1,9 |
87 |
428 |
3,61 |
7569 |
165,3 |
813,2 |
37236 |
183184 |
6 |
2 |
80 |
334 |
4 |
6400 |
160 |
668 |
26720 |
111556 |
7 |
2 |
83 |
334 |
4 |
6889 |
166 |
668 |
27722 |
111556 |
8 |
1,7 |
63 |
231 |
2,89 |
3969 |
107,1 |
392,7 |
14553 |
53361 |
9 |
1,9 |
65 |
251 |
3,61 |
4225 |
123,5 |
476,9 |
16315 |
63001 |
10 |
2,2 |
83 |
369 |
4,84 |
6889 |
182,6 |
811,8 |
30627 |
136161 |
11 |
2,9 |
66 |
293 |
8,41 |
4356 |
191,4 |
849,7 |
19338 |
85849 |
12 |
2,8 |
75 |
364 |
7,84 |
5625 |
210 |
1019,2 |
27300 |
132496 |
13 |
2 |
85 |
412 |
4 |
7225 |
170 |
824 |
35020 |
169744 |
14 |
2 |
71 |
263 |
4 |
5041 |
142 |
526 |
18673 |
69169 |
15 |
1,9 |
73 |
296 |
3,61 |
5329 |
138,7 |
562,4 |
21608 |
87616 |
16 |
3,2 |
84 |
376 |
10,24 |
7056 |
268,8 |
1203,2 |
31584 |
141376 |
17 |
2,2 |
61 |
338 |
4,84 |
3721 |
134,2 |
743,6 |
20618 |
114244 |
18 |
3 |
80 |
385 |
9 |
6400 |
240 |
1155 |
30800 |
148225 |
19 |
2,2 |
74 |
253 |
4,84 |
5476 |
162,8 |
556,6 |
18722 |
64009 |
20 |
3 |
67 |
374 |
9 |
4489 |
201 |
1122 |
25058 |
139876 |
21 |
2,3 |
78 |
338 |
5,29 |
6084 |
179,4 |
777,4 |
26364 |
114244 |
22 |
3,1 |
63 |
314 |
9,61 |
3969 |
195,3 |
973,4 |
19782 |
98596 |
23 |
2,6 |
85 |
283 |
6,76 |
7225 |
221 |
735,8 |
24055 |
80089 |
24 |
3,2 |
66 |
344 |
10,24 |
4356 |
211,2 |
1100,8 |
22704 |
118336 |
25 |
2,8 |
66 |
289 |
7,84 |
4356 |
184,8 |
809,2 |
19074 |
83521 |
26 |
2,4 |
86 |
278 |
5,76 |
7396 |
206,4 |
667,2 |
23908 |
77284 |
27 |
2,8 |
69 |
360 |
7,84 |
4761 |
193,2 |
1008 |
24840 |
129600 |
28 |
3,4 |
86 |
395 |
11,56 |
7396 |
292,4 |
1343 |
33970 |
156025 |
29 |
3,1 |
77 |
401 |
9,61 |
5929 |
238,7 |
1243,1 |
30877 |
160801 |
30 |
1,8 |
86 |
329 |
3,24 |
7396 |
154,8 |
592,2 |
28294 |
108241 |
Разом |
73,7 |
2249 |
9855 |
190,27 |
170893 |
5537,8 |
24493 |
744911 |
3317809 |
В середньому |
2,456 |
74,97 |
328,5 |
6,34 |
5696,4 |
184,59 |
816,43 |
24830,37 |
110593,6 |
Множинна кореляція дає змогу оцінити зв'язок результативної ознаки з будь-якою факторною при фіксованому значенні інших, включених в регресійну модель. На практиці часто використовують множинні, багатофакторні рівняння регресії, коли на величину результативної ознаки впливають два, три, і більше факторів.
При теоретичному обґрунтуванні моделі і виборі факторних ознак слід враховувати тісноту кореляційного зв'язку між ознаками. При наявності зв'язку, який близький до функціонального, оцінки параметрів багатофакторного рівняння регресії будуть ненадійними. Для оцінки мультиколінеарності між ознаками достатньо обчислити відповідні коефіцієнти кореляції. Якщо коефіцієнт кореляції двох факторних ознак близький до одиниці, то одну з них треба виключити. На цьому етапі важливо не тільки вибрати фактори, але й розкрити структуру взаємозв'язку між ними.
Складною є проблема обґрунтування функціонального зв'язку виду багатофакторного виду рівняння регресії. Аналіз парних зв'язків непридатний, тому що фактори взаємозв'язані, а визначити зв'язок між У та X при фіксованих значеннях інших факторних ознак дуже складно. Тому на практиці найчастіше використовують багатофакторні лінійні рівняння і рівняння, що приводяться до лінійного виду відповідними перетвореннями, а саме виду:
Ух=а0+а1х1+а2х2+аnxn де:
Ух - теоретичні значення резултьтативої ознаки;
а1,а2,аn - параметри рівняння;
х1,х2,xn - факторні ознаки.
Параметр рівняння а1 називають частинним коефіцієнтом регресії. Він показує, як у середньому змінюється результативна ознака у зі зміною факторної ознаки х1 на одиницю, за умови, що інші факторні ознаки залишаються незмінними.
Для визначення параметрів а1,а2, тобто при наявності 2-х факторних ознак, потрібно розв'язати систему нормальних рівнянь:
Поділимо кожне з трьох рівнянь на коефіцієнт при :
Віднімемо від першого рівняння друге та третє:
a2=2,66
Для визначення тісноти та форми зв`язку між досліджуваними ознаками використовують наступні коефіцієнти:
Парні коефіцієнти кореляції - використовують для вимірювання щільності зв'язку між двома досліджуваними ознаками без врахування їх взаємодії з іншими ознаками, включеними в кореляційну модель:
Часткові коефіцієнти кореляції - характеризують щільність зв'язку результативної ознаки з першою факторною ознакою при умові, що інші факторні ознаки еліміновані:
Коефіцієнт множинної кореляції характеризує тісноту зв'язку між всіма досліджуваними моделями факторних і результативних ознак:
= ;
= ;
= = ;
=
=
=
=
= 0,1
= = = =0,672
Розділ 3.3
Непараметрична кореляція
Взаємозв’язок між ознаками, які можна зранжувати, передусім на основі бальних оцінок, вимірюється методами рангової кореляції. Рангами називають числа натурального ряду, які згідно зі значеннями ознаки надаються елементам сукупності і певним чином упорядковують її. Ранжування проводиться за кожною ознакою окремо: перший ранг надається найменшому значенню ознаки, останній — найбільшому.
Кількість рангів дорівнює обсягу сукупності. Очевидно, зі збільшенням обсягу сукупності ступінь «розпізнаваності» елементів зменшується. З огляду на те, що рангова кореляція не потребує додержання будь-яких математичних передумов щодо розподілу ознак, зокрема вимоги нормальності розподілу, рангові оцінки щільності зв’язку доцільно використовувати для сукупностей невеликого обсягу.
Ранги, надані елементам сукупності за ознаками і , позначають відповідно та . Залежно від ступеня зв’язку між ознаками певним чином співвідносяться й ранги. При прямому функціональному зв’язку = , тобто відхилення між рангами отже, й сума квадратів відхилень При зворотному функціональному зв’язку де — число рангів. Якщо зв’язок між ознаками відсутній, являє собою середню арифметичну цих крайніх значень: . Це є максимальна сума квадратів відхилень рангів. Отже, за відсутності зв’язку
Спираючись на зазначену математичну тотожність, К. Спірмен запропонував формулу для коефіцієнта рангової кореляції:
.
Коефіцієнт рангової кореляції має такі самі властивості, як і лінійний коефіцієнт кореляції: змінюється в межах від –1 до +1, водночас оцінює щільність зв’язку та вказує на його напрям.
Розрахуємо рангову кореляцію та визначимо тісноту зв’язку між урожайністю цукрових буряків, якістю ґрунту та внесенням мінеральних добрив.
Таблиця 20
Вихідні та розрахункові дані для обчислення рангової кореляції
№п/п |
Y |
X1 |
X2 |
Ry |
Rx1 |
Rx2 |
d1= Ry- Rx1 |
d2= Ry- Rx2 |
d12 |
d22 |
||||
1 |
340 |
1,9 |
65 |
19 |
3,16 |
5,5 |
15,84 |
13,5 |
250,905 |
182,3 |
||||
2 |
330 |
1,9 |
76 |
14 |
3,16 |
16 |
10,84 |
-2 |
117,505 |
4 |
||||
3 |
310 |
3,6 |
86 |
11 |
30 |
26,25 |
-19 |
-15,25 |
361 |
232,5 |
||||
4 |
243 |
1,9 |
63 |
2 |
3,16 |
2,3 |
-1,16 |
-0,3 |
1,3456 |
0,09 |
||||
5 |
428 |
1,9 |
87 |
30 |
3,16 |
30 |
26,84 |
0 |
720,385 |
0 |
||||
6 |
334 |
2 |
80 |
15,5 |
9,25 |
19,5 |
6,25 |
-4 |
39,0625 |
16 |
||||
7 |
334 |
2 |
83 |
15,5 |
9,25 |
21,5 |
6,25 |
-6 |
39,0625 |
36 |
||||
8 |
231 |
1,7 |
63 |
1 |
1 |
2,3 |
0 |
-1,3 |
0 |
1,69 |
||||
9 |
251 |
1,9 |
65 |
3 |
3,16 |
5,5 |
-0,16 |
-2,5 |
0,0256 |
6,25 |
||||
10 |
369 |
2,2 |
83 |
23 |
13,33 |
21,5 |
9,67 |
1,5 |
93,5089 |
2,25 |
||||
11 |
293 |
2,9 |
66 |
9 |
22 |
7,3 |
-13 |
1,7 |
169 |
2,89 |
||||
12 |
364 |
2,8 |
75 |
22 |
19,33 |
15 |
2,67 |
7 |
7,1289 |
49 |
||||
13 |
412 |
2 |
85 |
29 |
9,25 |
24,5 |
19,75 |
4,5 |
390,062 |
20,25 |
||||
14 |
263 |
2 |
71 |
5 |
9,25 |
12 |
-4,25 |
-7 |
18,0625 |
49 |
||||
15 |
296 |
1,9 |
73 |
10 |
3,16 |
13 |
6,84 |
-3 |
46,7856 |
9 |
||||
16 |
376 |
3,2 |
84 |
25 |
27,5 |
23 |
-2,5 |
2 |
6,25 |
4 |
||||
17 |
338 |
2,2 |
61 |
17,5 |
13,33 |
1 |
4,17 |
16,5 |
17,3889 |
272,2 |
||||
18 |
385 |
3 |
80 |
26 |
23,5 |
19,5 |
2,5 |
6,5 |
6,25 |
42,25 |
||||
19 |
253 |
2,2 |
74 |
4 |
13,33 |
14 |
-9,33 |
-10 |
87,0489 |
100 |
||||
20 |
374 |
3 |
67 |
24 |
23,5 |
10 |
0,5 |
14 |
0,25 |
196 |
||||
21 |
338 |
2,3 |
78 |
17,5 |
16 |
18 |
1,5 |
-0,5 |
2,25 |
0,25 |
||||
22 |
314 |
3,1 |
63 |
12 |
25,5 |
2,3 |
-13,5 |
9,7 |
182,25 |
94,09 |
||||
23 |
283 |
2,6 |
85 |
7 |
18 |
24,5 |
-11 |
-17,5 |
121 |
306,2 |
||||
24 |
344 |
3,2 |
66 |
20 |
27,5 |
7,3 |
-7,5 |
12,7 |
56,25 |
161,2 |
||||
25 |
289 |
2,8 |
66 |
8 |
19,33 |
7,3 |
-11,33 |
0,7 |
128,368 |
0,49 |
||||
26 |
278 |
2,4 |
86 |
6 |
17 |
26,25 |
-11 |
-20,25 |
121 |
410,1 |
||||
27 |
360 |
2,8 |
69 |
21 |
19,33 |
11 |
1,67 |
10 |
2,7889 |
100 |
||||
28 |
395 |
3,4 |
86 |
27 |
29 |
26,25 |
-2 |
0,75 |
4 |
0,562 |
||||
29 |
401 |
3,1 |
77 |
28 |
25,5 |
17 |
2,5 |
11 |
6,25 |
121 |
||||
30 |
329 |
1,8 |
86 |
13 |
2 |
26,25 |
11 |
-13,25 |
121 |
175,5 |
||||
Сума |
9855 |
73,7 |
2249 |
465 |
441,94
|
455,8
|
X |
X |
3116,18 |
2595,1
|
Використовуючи формулу Спірмена розрахуємо коефіцієнт кореляції рангів:
Розрахувавши коефіцієнт кореляції рангів ми можемо стверджувати, що між результативною та факторними ознаками спостерігається прямий зв’язок. Крім того між урожайністю та внесенням мінеральних добрив на 1 га цукрових буряків – зв’язок тісний, в той же час ми можемо спостерігати слабкий зв’язок між урожайністю та якістю ґрунту.
Таблиця 21