Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Лекция № 12. Изучение взаимосвязи между экономическими явлениями.Стр 1 из 7Следующая ⇒
Лекция № 12. Изучение взаимосвязи между экономическими явлениями. В данной теме вы познакомитесь с типами связи между социально-экономическими явлениями, методами оценки тесноты связи, методами построения уравнений связи, позволяющих прогнозировать изменения характеристик одного явления, используя значения характеристик явления корреляционно с ним связанного. План лекции. Понятие о статистической и корреляционной связи. Задачи и ограничения корреляционно-регрессионного метода. Методы выявления и оценки корреляционной связи. Задачи регрессионного анализа.
Методы выявления и оценки корреляционной связи
Методы оценки корреляционной связи В расчетной части корреляционного анализа необходимо выбрать наиболее подходящие для каждой пары признаков показатели корреляции. При выборе показателей корреляции следует проанализировать все множество основных показателей с точки зрения их применимости и целесообразности для конкретной пары признаков. Основные показатели корреляции: 1) коэффициент корреляции; 2) эмпирическое корреляционное отношение; 3) коэффициент детерминации; 4) коэффициент Спирмена; 5) коэффициент Кендалла; 6) коэффициент Фехнера;
Каждый из перечисленных показателей имеет определенное назначение, область применения, расчетную формулу и особенности интерпретации числовых значений. Первые три показателя называются параметрическими и предназначены для оценки тесноты связи между количественными признаками. Следующие показатели называются непараметрическими и предназначены для оценки тесноты связи между описательными признаками. Рассмотрим последовательно особенности каждого показателя. Коэффициент корреляции Коэффициент корреляции - применяется для оценки тесноты связи между количественными признаками; - измеряет только линейную связь; - диапазон изменения показателя [−1;+1]; - чем ближе по абсолютной величине значение показателя к 1, тем теснее связь между признаками; - знак значения показателя указывает на направление связи: если r >0, то связь прямая, если r <0, то связь обратная. Коэффициент корреляции или линейный коэффициент корреляции – самый популярный измеритель тесноты линейной связи между двумя количественными признаками x и y, применяется для оценки тесноты связи между количественными признаками; измеряет только линейную связь.
Линейный коэффициент корреляции r представляет собой среднюю величину из произведений нормированных отклонений для x и у: (12.1.) или . (12.2.) Числитель формулы (12.2), деленный на n, представляющий собой среднее произведение отклонений значений двух признаков от их средних значений, называется коэффициентом ковариации – это мера совместной вариации факторного x и результативного y признаков: . Недостатком коэффициента ковариации является то, что он не нормирован, в отличие от линейного коэффициента корреляции. Очевидно, что линейный коэффициент корреляции представляет собой частное от деления ковариации между х и у на произведение их средних квадратических отклонений: . (12.3) Путем несложных математических преобразований можно получить и другие модификации формулы линейного коэффициента корреляции, например: , (12.4) , (12.5) , (12.6) .(12.7) Линейный коэффициент корреляции может принимать значения от –1 до +1, причем знак определяется в ходе решения, всякое промежуточное значение r от 0 до 1 характеризует степень приближения корреляционной связи между х и у к функциональной. Существует эмпирическое правило (шкала Чэддока) для оценки тесноты связи, представленное в таблице 12.3. Таблица 12.3. Шкала Чэддока
Таким образом, коэффициент корреляции при линейной зависимости служит как мерой тесноты связи, так и показателем, характеризующим степень приближения корреляционной зависимости между х и у к линейной. Поэтому близость значения r к 0 в одних случаях может означать отсутствие связи между х и у, а в других свидетельствовать о том, что зависимость не линейная. Проверка коэффициента корреляции на значимость (существенность). Интерпретируя значение коэффициента корреляции, следует иметь в виду, что он рассчитан для ограниченного числа наблюдений и подвержен случайным колебаниям, как и сами значения x и y, на основе которых он рассчитан. Другими словами, как любой выборочный показатель, он содержит случайную ошибку и не всегда однозначно отражает действительно реальную связь между изучаемыми показателями. Для того, чтобы оценить существенность (значимость) самого r и, соответственно, реальность измеряемой связи между х и у, необходимо рассчитать среднюю квадратическую ошибку коэффициента корреляции σ r. Оценка существенности (значимости) r основана на сопоставлении значения r с его средней квадратической ошибкой: .
Существуют некоторые особенности расчета σ r в зависимости от числа наблюдений (объема выборки) n. 1.Если число наблюдений достаточно велико (n >30), то σ r рассчитывается по формуле: . (12.8.) Обычно, если >3, то r считается значимым (существенным), а связь – реальной. Задавшись определенной вероятностью, можно определить доверительный интервал (), где t – коэффициент доверия, рассчитываемый по интегралу Лапласа. Если число наблюдений небольшое (n <30), то σ r рассчитывается по формуле: , (12.9) а значимость r проверяется на основе t- критерия Стьюдента, для чего определяется расчетное значение критерия по формуле (11.10.) и сопоставляется c tТАБЛ. . (12.10) Табличное значение tТАБЛ находится по таблице распределения t -критерия Стьюдента при уровне значимости α=1-β и числе степеней свободы ν= n–2. Если tРАСЧ> tТАБЛ ,то r считается значимым, а связь между х и у – реальной. В противном случае (tРАСЧ< tТАБЛ) считается, что связь между х и у отсутствует, и значение r, отличное от нуля, получено случайно.
Коэффициент детерминации Измерить тесноту связи между коррелируемыми величинами – значит определить, насколько вариация результативного признака обусловлена вариацией факторного (факторных) признака. Ранее были рассмотрены показатели, с помощью которых можно выявить наличие корреляционной связи между двумя признаками x и y и измерить тесноту этой связи. Наряду с ними существует универсальный показатель – корреляционное отношение, применимое ко всем случаям корреляционной зависимости независимо от формы этой связи. Следует различать эмпирическое и теоретическое корреляционное отношение. Эмпирическое корреляционное отношение рассчитывается на основе правила сложения дисперсий как корень квадратный из отношения межгрупповой дисперсии к общей дисперсии, т.е. . (12.13) Теоретическое корреляционное отношение определяется на основе выравненных (теоретических) значений результативного признака , рассчитанных по уравнению регрессии. Теоретическое корреляционное отношение представляет собой относительную величину, получаемую в результате сравнения среднего квадратического отклонения в ряду теоретических значений результативного признака со средним квадратическим отклонением в ряду эмпирических значений. Если обозначить дисперсию эмпирического ряда игреков через , а теоретического ряда – , то каждая из них выразится формулами , . Сравнивая вторую дисперсию с первой, получим теоретический коэффициент детерминации: , (12.14) который показывает, какую долю в общей дисперсии результативного признака занимает дисперсия, выражающая влияние вариации фактора x на вариацию y (или показывает долю вариации результативного признака, обусловленную вариацией факторного признака).
Извлекая корень квадратный из коэффициента детерминации, получаем теоретическое корреляционное отношение . (12.15) Оно может находиться в пределах от 0 до 1, чем ближе его значение к 1, тем теснее связь между вариацией y и x. Корреляционное отношение применимо как для парной, так и для множественной корреляции независимо от формы связи. В этом смысле его можно назвать универсальным показателем тесноты связи. При линейной зависимости . Покажем расчет на условном примере. Исходные данные и расчет дополнительных показателей приведен в таблице 12.4. Таблица 12.4. Исходные данные и вспомогательные расчеты для нахождения теоретического корреляционного отношения В данном примере общая средняя урожайность: (ц/га). Общая дисперсия: =30/5=6, факторная дисперсия: =29,46/5=5,892. Отсюда теоретическое корреляционное отношение: =0,99. Данное значение характеризует очень тесную зависимость изменения урожайности от изменения количества внесенных удобрений. В нашем примере незначительные расхождения (30 29,46+0,46 – это правило сложения дисперсий) объясняются округлением значений параметров уравнения регрессии и самих . Вопросы для обсуждения 1. Основные группы социально – экономических взаимосвязей, их характеристика. 2. Корреляционные связи, их характер, формы и задачи статистического изучения. 3. В чем состоит отличие между корреляционной и функциональной связью? 4. Какие основные проблемы решает исследователь при изучении корреляционной зависимости? 5. Какие показатели являются мерой тесноты связи между двумя признаками? 6.Выбор уравнения регрессии и расчет его параметров. 7.Показатели тесноты связи, их расчет и применение в анализе. 8. Как оценить существенность линейного коэффициента корреляции? 9. В чем состоит значение уравнения регрессии? 10. Как осуществить прогноз значений результативного признака, опираясь на использование для этой цели уравнения регрессии? 11. Как подходить к отбору факторов для включения их в уравнение множественной регрессии? 12. В каких пределах заключена величина совокупного коэффициента корреляции и как она соотносится с величиной парных коэффициентов корреляции?
Лекция № 12. Изучение взаимосвязи между экономическими явлениями. В данной теме вы познакомитесь с типами связи между социально-экономическими явлениями, методами оценки тесноты связи, методами построения уравнений связи, позволяющих прогнозировать изменения характеристик одного явления, используя значения характеристик явления корреляционно с ним связанного. План лекции.
|
||||||||||||||||||||
Последнее изменение этой страницы: 2021-12-15; просмотров: 40; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.147.73.35 (0.028 с.) |