Категории: ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника |
Использование способов парной корреляции для изучения стохастических зависимостейОдной из основных задач корреляционного анализа является определение влияния факторов на величину результативного показателя (в абсолютном измерении). Для решения этой задачи подбирается соответствующий тип математического уравнения, которое наилучшим образом отражает характер изучаемой связи (прямолинейной, криволинейной и т.д.). Это играет важную роль в корреляционном анализе, потому что от правильного выбора уравнения регрессии зависит ход решения задачи и результаты расчетов. Обоснование уравнения связи делается с помощью сопоставления параллельных рядов, группировки данных и линейных графиков. Размещение точек на графике покажет, какая зависимость образовалась между изучаемыми показателями: прямолинейная или криволинейная. Наиболее простым уравнением, которое характеризует прямолинейную зависимость между двумя показателями, является уравнение прямой: Yx=a + bx, где х — факторный показатель; Y — результативный показатель; а и b — параметры уравнения регрессии, которые требуется отыскать. Это уравнение описывает такую связь между двумя признаками, при которой с изменением факторного показателя на определенную величину наблюдается равномерное возрастание или убывание значений результативного показателя. Значения коэффициентов а и b находят из системы уравнений, полученных по способу наименьших квадратов. В данном случае система уравнений имеет следующий вид: па + Ь∑ х =∑ у; a∑x + b∑x2 =∑ x у, где п — количество наблюдений. Коэффициент а — постоянная величина результативного показателя, которая не связана с изменением данного фактора. Параметр b показывает среднее изменение результативного показателя с повышением или понижением величины фактора на единицу его измерения. Подставив в уравнение регрессии соответствующие значения х, можно определить выравненные (теоретические) значения результативного показателя (Y) По такому же принципу решается уравнение связи при криволинейной зависимости между изучаемыми явлениями. Если при увеличении одного показателя значения другого возрастают до определенного уровня, я потом начинают снижаться (например, зависимость производительности труда рабочих от их возраста), то для записи такой зависимости лучше всего подходит парабола второго порядка: Yx = а + bх + сх2. Для определения ее параметров необходимо решить следующую систему уравнений: па + Ь∑ х + c∑x2 =∑ у; a∑x + b∑x2 + c∑x3 =∑ x у b∑x2 + b∑x3 + c∑x4 =∑ x2 у , Гипербола описывает такую зависимость между двумя показателями, когда при увеличении одной переменной значения другой увеличиваются до определенного уровня, а потом прирост снижается, например, зависимость урожайности от количества внесенного удобрения, продуктивности животных от уровня их кормления, себестоимости продукции от объема производства и т.д. При более сложном характере зависимости между изучаемыми явлениями используются более сложные параболы (третьего, четвертого порядка и т.д.), а также квадратические, степенные, показательные и другие функции. Таким образом, используя тот или иной тип математического уравнения, можно определить степень зависимости между изучаемыми явлениями, т.е. узнать, на сколько единиц в абсолютном измерении изменяется величина результативного показателя с изменением факторного на единицу. Однако регрессионный анализ не дает ответа на вопрос: тесная это связь или нет, решающее воздействие оказывает данный фактор на величину результативного показателя или второстепенное? Для измерения тесноты связи между факторными и результативными показателями определяется коэффициент корреляции. В случае прямолинейной формы связи между изучаемыми показателями коэффициент корреляции рассчитывается по следующей формуле: , где х – факторный признак, у - результативный признак, G2х– средний квадрат отклонений по признаку Хi, G2у –средний квадрат отклонений по признаку Уi.
Коэффициент корреляции может принимать значения от 0 до ±1. Чем ближе его величина к 1, тем более тесная связь между изучаемыми явлениями, и наоборот Если коэффициент корреляции возвести в квадрат, получим коэффициент детерминации (d). Что касается измерения тесноты связи при криволинейной форме зависимости, то здесь используется не линейный коэффициент корреляции, а корреляционное отношение: Матрицу коэффициентов корреляции переменных, можно рассчитать, используя инструмент анализа данных - Корреляция. Для этого: 1. в главном меню последовательно выберем пунктыСервис/ Анализ данных / Корреляция,после чего щелкнем по кнопке ОК 2. заполним диалоговое окно ввода данных и параметров вывода результаты вычислений – матрица коэффициентов корреляции |
|
Последнее изменение этой страницы: 2016-06-10 lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда... |