Методы изучения взаимосвязей, показатели тесноты связи

Исследуя природу, общество, экономику, необходимо считаться со взаимосвязью наблюдаемых процессов и явлений. Оценка наиболее существенных из них является одной из основных задач статистики. Две самые общие – функциональная (полная) – величине фактора соответствует 1 или несколько значений функции и корреляционная (неполная или статистическая) – проявляется для массовых наблюдений, когда зависимой переменной соответствует ряд вероятных значений независимой переменой. По направлению связи бывают: прямые (зависимая переменная растет с увеличением факторного признака) и обратными (рост факторного признака – уменьшение функции). Эти связи можно назвать также положительными и отрицательными. По аналитической форме – линейные, нелинейные; парные, множественные; непосредственные, косвенные и ложные. По силе слабые и сильные. Простейший прием выявления связи является построение корреляционной таблицы (в основе группировка двух изучаемых во взаимодействии признаков). Наглядное изображение этой таблицы – корреляционное поле. Оно представляет собой график. В итогах корреляционной таблицы по строкам и столбцам проводится распределение. Последовательность точек показывает зависимость среднего значения результативного признака У от факторного Х – эмпирическую линию регрессии. И корреляционная таблица и корреляционное поле и эмпирическая линия регрессии уже характеризуют взаимосвязь. Однако количественная оценка тесноты связи требует дополнительный расчет. Для количественной оценки тесноты связи используется линейный коэффициент корреляции (значение от -1 до +1). Если он меньше 0,3 связь слабая, при 0,3 - 0,7 – средняя, больше 0,7 – тесная. Когда равен 1 – связь функциональная, если равен 0 – то ее нет.

10.Корреляционно-регрессионный анализ: понятие, методология, основные этапы проведения

В общем виде статистика изучая взаимосвязи оценивает количественно их наличие и направление, а также характеризует силы и формы влияния одних факторов на другие. При решении применяют две группы методов: корреляционный и регрессионный анализы. Некоторые объединяют эти методы в корреляционно – регрессионный метод, когда взаимосвязь характеризуется всесторонне. Методы корреляции и регрессии широко представлены в статистических пакетах программ для ЭВМ. Существует множество алгоритмов вычисления, вручную нецелесообразно проводить такой анализ. Методы оценки тесноты связи – корреляционные (параметрические) и непараметрические. Параметрические методы используют оценки нормального распределения и применяется, когда изучаемая совокупность состоит из величин, которые подчиняются закону нормального распределения. Непараметрические методы не накладывают ограничений на закон распределения изучаемых величин, они просты в вычислениях. Когда в ЭВМ вводят значение зависимой переменой У и матрицу независимых переменных Х, принимается форма уравнения, например линейная. Ставится задача включить в уравнение k наиболее значимых Х, в результате получается уравнение регрессии с k наиболее значимыми факторами. Это прием называется пошаговой регрессией.

Дата добавления: 2014-12-24