Корреляционно-регрессионный анализ

Корреляционный анализ и регрессионный анализ являются смежными разделами математической статистики и предназначаются для изучения по выборочным данным статистической зависимости ряда величин, некоторые из которых являются случайными. При статистической зависимости величины не связаны функционально, но как случайные величины заданы совместным распределением вероятностей. Исследование взаимосвязи случайных величин приводит к теории корреляции, как разделу теории вероятностей и математической статистики. Исследование зависимости случайных величин приводит к моделям регрессии и регрессионному анализу на базе выборочных данных. Теория вероятностей и математическая статистика представляют лишь инструмент для изучения статистической зависимости, но не ставят своей целью установление причинной связи. Представления и гипотезы о причинной связи основываются на несколько другой теории, которая позволяет содержательно объяснить изучаемое явление.Экономические данные почти всегда представлены в виде таблиц. Числовые данные, содержащиеся в таблицах, обычно имеют между собой явные (известные) или неявные (скрытые) связи.Явно связаны показатели, которые получены методами прямого подсчета.Связи же второго типа (неявные) заранее неизвестны. Однако необходимо уметь объяснять и предсказывать (прогнозировать) сложные явления для того, чтобы управлять ими. Поэтому специалисты с помощью наблюдений стремятся выявить скрытые зависимости и выразить их в виде формул, т.е. математически смоделировать явления или процессы. Математические модели строятся и используются для трех обобщенных целей:- для объяснения; - для предсказания;- для управления.Представление экономических и других данных в электронных таблицах в наши дни стало простым и естественным. Оснащение же электронных таблиц средствами корреляционно-регрессионного анализа способствует тому, что из группы сложных, глубоко научных и потому редко используемых, корреляционно-регрессионный анализ превращается для специалиста в повседневный, эффективный и оперативный аналитический инструмент. Однако, в силу сложности метода, освоение его требует гораздо больших знаний и усилий, чем освоение простых электронных таблиц.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 и др.). 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.Регрессионный анализ называют основным методом современной математической статистики для выявления неявных и завуалированных связей между данными наблюдений в различных социально-экономических системах. Электронные таблицы делают такой анализ легко доступным.Корреляционный анализ является одним из методов статистического анализа взаимосвязи нескольких признаков. Он определяется как метод, применяемый тогда, когда данные наблюдения можно считать случайными и выбранными из генеральной совокупности, распределенной по многомерному нормальному закону. Основная задача корреляционного анализа (являющаяся основной и в регрессионном анализе) состоит в оценке уравнения регрессии.Корреляция - это статистическая зависимость между случайными вели­чинами, не имеющими строго функционального характера, при которой из­менение одной из случайных величин приводит к изменению математиче­ского ожидания другой.1. Парная корреляция - связь между двумя признаками (результативным и факторным или двумя факторными).2. Частная корреляция - зависимость между результативным и одним факторным признаками при фиксированном значении других факторных признаков.3. Множественная корреляция - зависимость результативного и двух или более факторных признаков, включенных в исследование.Корреляционный анализ имеет своей задачей количественное опреде­ление тесноты связи между двумя признаками (при парной связи) и между результативным признаком и множеством факторных признаков (при много­факторной связи).Теснота связи количественно выражается величиной коэффициентов корреляции. Коэффициенты корреляции, представляя количественную характеристику тесноты связи между признаками, дают возможность определить «полезность» факторных признаков при построении уравнений множественной регрессии. Величина коэффициентов корреляции служит также оценкой соответствия уравнения регрессии выявленным причинно-следственным связям.Общим условием, позволяющим получить более стабильные результаты при математико-статистическом исследовании социально-экономических процессов, является требование однородности исходной информации. Эта информация должна быть обработана на предмет аномальных, т.е. резко выделяющихся из массива данных, наблюдений. Процедура обработки информации выполняется за счет количественной оценки однородности совокупности по какому-либо одномерному или многомерному критерию (в зависимости от исходных данных). После обработки на предмет «аномальности» проводится проверка того, насколько оставшаяся информация удовлетворяет предпосылкам для использования статического аппарата при построении моделей, так как даже незначительные отступления от этих предпосылок часто сводят к нулю получаемый эффект. Следует иметь в виду, что вероятностное или статистическое решение любой экономической задачи должно основываться на подробном осмыслении исходных математических понятий и предпосылок, корректности и объективности сбора исходной информации, в постоянном сочетании с теснотой связи экономического и математико-статистического анализа.Для применения корреляционного анализа необходимо, чтобы все рассматриваемые переменные были случайными и имели нормальный закон распределения. Причем выполнение этих условий необходимо только при вероятностной оценке выявленной тесноты связи.В состав Microsoft Excel входит набор средств анализа данных (так называемый пакет анализа), предназначенный для решения сложных статистических и инженерных задач. Для проведения анализа данных с помощью этих инструментов следует указать входные данные и выбрать параметры; анализ будет проведен с помощью подходящей статистической или инженерной макрофункции, а результат будет помещен в выходной диапазон. Другие средства Excel позволяют получить результаты анализа в графическом виде, позволяющем наглядно представить статистические данные, быстро выявить аномалии и отклонения и осуществить контроль полноты и достоверности исходного статистического материала. При одновременном изучении нескольких взаимосвязанных экономических явлений графическое изображение позволяет установить существующие между ними соотношения и связи, различие и подобие, а также выявить особенности их изменений во времени.Корреляционный анализ дает возможность установить, ассоциированы ли наборы данных по величине, то есть большие значения из одного набора данных связаны с большими значениями другого набора (положительная корреляция); или, наоборот, малые значения одного набора связаны с большими значениями другого (отрицательная корреляция); или данные двух диапазонов никак не связаны (корреляция близка к нулю).Регрессия также является инструментом пакета анализа данных Microsoft Excel. Линейный регрессионный анализ заключается в подборе графика для набора наблюдений с помощью метода наименьших квадратов. Регрессия используется для анализа воздействия на отдельную зависимую переменную значений одной или более независимых переменных. Наиболее сложным этапом, завершающим регрессионный анализ, является интерпретация полученных результатов, т.е. перевод их с языка статистики и математики на язык экономики. Интерпретация моделей регрессии осуществляется методами той отрасли знаний, к которой относятся исследуемые явления.Всякая интерпретация начинается со статистической оценки уравнения регрессии в целом и оценки значимости входящих в модель факторных признаков, т.е. с изучения, как они влияют на величину результативного признака. Чем больше величина коэффициента регрессии, тем значительнее влияние данного признака на моделируемую обработку результата. Особое значение при этом имеет знак перед коэффициентом регрессии. Знаки коэффициентов регрессии говорят о характере влияния введенных факторов на результативный признак статистической обработки. Интерпретация этих знаков полностью определяется социально-экономическим содержанием моделируемого признака. Если его величина изменяется в сторону увеличения, то плюсовые знаки факторных признаков имеют положительное влияние. При изменении результативного признака в сторону снижения положительные значения имеют минусовые знаки факторных признаков. Если экономическая теория подсказывает, что факторный признак должен иметь положительное значение, а он получен со знаком минус, то необходимо проверить расчеты параметров уравнения регрессии.В исследованиях широко применяются как парные, так и множественные регрессионные модели.

Дата добавления: 2015-06-04