Студопедия

Главная страница Случайная страница

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Парный линейный корреляционно-регрессионный анализ






 

Основные положения парного линейного корреляционно-регрессионного анализа представлены на рисунке 16.

Рис. 16. Основные положения парного линейного КРА

 

Рассмотрим применение парного линейного корреляционно-регрессионного анализа. При линейном выражении зависимости между признаками и используется уравнение прямой:

(уравнение регрессии),

где – теоретические значения результативного признака;

х – индивидуальные значения факторного признака;

а0, а1 – параметры уравнения регрессии.

Для определения параметров уравнения прямой а0 и а1 на основе требований метода наименьших квадратов составляется система нормальных уравнений:

Для решения системы применяется способ определений, позволяющий сводить к минимуму неточности округлений в расчетах параметров уравнений регрессии:

,

где у – фактические (эмпирические) значения результативного признака;

n – количество единиц совокупности (то есть заданных пар значений х и у).

Подставляя в уравнение прямой найденные параметры а0, а1 и значения х, рассчитываем выровненные (теоретические значения) результативного показателя . В уравнении прямой параметр а0 экономического смысла не имеет. Параметр а1 является коэффициентом регрессии и показывает, насколько изменяется в среднем значение результативного признака при увеличении факторного признака на единицу.

Часто исследуемые признаки имеют разные единицы измерения, поэтому для оценки влияния факторного признака на результативный рассчитывается коэффициент эластичности в среднем для всей совокупности:

Коэффициент эластичности показывает, на сколько процентов в среднем изменится результативный признак при увеличении факторного признака на 1%.

Для измерения тесноты связи между признаками применяются линейные коэффициенты корреляции и детерминации.

Линейный коэффициент корреляциивычисляется по формуле:

,

 

где значение r лежит в пределах от –1 до +1. При не существует линейной корреляционной связи. Степень тесноты линейной зависимости растет при приближении к (табл. 16).

Таблица 16

Оценка тесноты и направления связи

Теснота связи Величина коэффициента корреляции
прямая связь обратная связь
слабая 0, 1-0, 3 (-0, 1)-(-0, 3)
средняя 0, 3-0, 7 (-0, 3)-(-0, 7)
тесная 0, 7-0, 99 (-0, 7)-(-0, 99)

 

Линейный коэффициент детерминации (r2) – квадрат коэффициента корреляции, выраженный в процентах. Показывает, какая доля вариации результативного признака объясняется вариацией факторного.

Для проверки значимости уравнения регрессии рассчитывают F-критерий Фишера:

 

где n – число наблюдений;

m – число параметров.

Рассчитанное значение F-критериясравнивается с критическим (табличным) Ft с уровнем значимости 0, 01 или 0, 05 и числом степеней свободы (m-1), (n-m). Если рассчитанное значение F оказывается больше табличного, то уравнение регрессии признается значимым. В противном случае следует пересмотреть форму уравнения или перечень переменных.

Значимость коэффициента корреляции осуществляют с помощью t-критерия Стьюдента, который рассчитывается по следующей формуле:

.

 

Рассчитанное значение t -критерия сравнивается с критическим (табличным) значением t- распределения Стьюдента с уровнем значимости 0, 01 или 0, 05 и числом степеней свободы (n-2). Если рассчитанное значение t оказывается больше табличного, то линейный коэффициент корреляции признается значимым. В противном случае следует увеличить количество наблюдений.


Поделиться с друзьями:

mylektsii.su - Мои Лекции - 2015-2024 год. (0.006 сек.)Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав Пожаловаться на материал