Сбор данных

Этапы корреляционно-регрессионного анализа

Корреляционно-регрессионный анализ

Кодировка экономической информации

Кодировка информации — это процесс обозначения множества объектов или сообщений набором символов заданного алфавита на основе совокупности определенных правил. Наиболее часто используются такие методы кодирования:

1) порядковый;

2) серийно-порядковый;

3) последовательный;

4) параллельный.

В случае использования порядкового метода коды объектов получаются из чисел натурального ряда. Порядковый метод применяется для кодировки однопризнаковых, постоянных и малозначащих номенклатур, например: категории персонала, статьи затрат и т.п..

Серийно-порядковый метод используется для объектов с двумя признаками и предусматривает разделение первичного множества объектов на несколько подмножеств по одному признаку и назначению серии номеров каждому подмножеству. Этот метод может применяться для кодировки по алфавиту, например, фамилий студентов с присвоением последовательных номеров по одной серии фамилиям, которые начинаются на одинаковую букву.

Последовательный метод кодировки — это образования кода классификационной группировки или объекта классификации с использованием кодов последовательно расположенных подчиненных группировок, полученных с помощью иерархического метода классификации.

Параллельный метод кодировки — это образования кода классификационной группировки или объекта классификации с использованием кодов независимых группировок, полученных с помощью фасетного метода классификации.

Последовательный и параллельный методы используются для кодировки объектов, которые характеризуются несколькими признаками и классифицируются иерархическим или фасетным методом.

Пользуясь методами корреляционно-регрессионного анализа, аналитики измеряют тесноту связей показателей с помощью коэффициента корреляции. При этом обнаруживаются связи, различные по силе (сильные, слабые, умеренные и др.) и различные по направлению (прямые, обратные). Если связи окажутся существенными, то целесообразно будет найти их математическое выражение в виде регрессионной модели и оценить статистическую значимость модели. В экономике значимое уравнение используется, как правило, для прогнозирования изучаемого явления или показателя.

Сбор данных создает фундамент прогнозам. Поэтому имеется ряд требований и правил, которые следует соблюдать при сборе данных. Данные должны быть наблюдаемыми, т. е. полученными в результате замера, а не расчета. Наблюдения следует спланировать.

Сколько необходимо данных для получения хорошего уравнения? По мнению одних статистиков данных необходимо в 4-6 раз больше, чем число факторов, влияние которых хотят выразить математически, по мнению других - в 7-8 раз больше числа факторов. Есть также мнения, что число наблюдений должно быть не менее чем в 5 - 6, а лучше - не менее чем в 10 раз больше числа факторов, тогда закон больших чисел, действуя в полную силу, обеспечивает Эффективное погашение случайных отклонений от закономерного характера связи - признаков.

Дата добавления: 2014-12-07