Тема 6 корреляционно-регрессионный анализ эконономических показателей рекомендуемая литература

1. Раздел 6. Учебное пособие по мсммуп. – 2014. – 250 с.

2. Янковой О. Г. Моделювання парних зв’язків в економіці. – Одеса : Оптимум, 2001. – 198 с.

3. Янковой А. Г. Основы эконометрического моделирования : Учеб. пособие. – Одесса, ОГЭУ, 2006. – 133 с.

4. Янковой А. Г. Основы теории статистики : Учеб. пособие. – Одесса, ОИФ УГУФМТ, 2007. – 111 с.

ПЛАН

1. Виды причинно-следственных связей между

признаками

2. Априорный анализ (модельная

спецификация)

3. Измерение тесноты корреляционной связи

между экономическими признаками

4. Построение парного и множественного

уравнения регрессии

5. Анализ построенной модели регрессии

6. Практическое применение построенного

уравнения регрессии

1. Виды причинно-следственных связей между признаками

Между экономическими показателями предприятия наблюдаются два основных типа причинно-следственных связей:

1. Функциональные.

2. Стохастические (вероятностные).

В свою очередь, различают два вида стохастической связи между исследуемыми экономическими явлениями и процессами – регрессионную и корреляционную.

При регрессионной (односторонней) вероятностной зависимости между Y и Х каждому значению аргумента отвечает не одно определенное значение функции, а закон её распределения, т.е. набор значений Y с соответствующими вероятностями их появления, которые меньше 1. Причём обратных связей нет или они крайне слабы, поэтому ими можно пренебречь.

При корреляционной (двусторонней) стохастической зависимости обе переменные (и Y и Х) можно рассматривать как аргумент и как функцию одновременно: каждому значению Х отвечает закон распределения Y, и наоборот, каждому значению Y отвечает закон распределения Х. Иными словами, при корреляционной зависимости реально существуют как прямые, так и обратные связи между признаками.

И регрессионные и корреляционные связи между изучаемыми признаками в силу действия случайных факторов-причин проявляются не в каждом отдельном наблюдении, а только в совокупности наблюдений, в массовом процессе. Поэтому, для чёткого проявления подобных зависимостей, согласно закону больших чисел, необходима статистическая совокупность объектов (наблюдений) значительного объёма с тем, чтобы в результате взаимного погашения действия случайных факторов-причин основная тенденция или закономерность превратилась из завуалированной, латентной, в явную, фиксируемую с помощью методов КРА.

2. Априорный анализ (модельная спецификация)

Априорный анализ (от лат. а priori – до опыта, до сбора данных) или модельная спецификация – это та предварительная стадия КРА, на которой собираются и обобщаются теоретические сведения об изучаемом экономическом объекте на базе соответствующей экономической науки с привлечением имеющегося опыта в данной области.

В самом общем виде будущая регрессионная модель записывается так:

Y = f (Х₁, Х₂, …) + e .

На стадии априорного анализа исследователь должен попытаться дать ответ, какой в его представлении является будущая регрессионная модель, т.е. осуществить модельную спецификацию. Здесь решаются следующие основные задачи:

1. Выбор зависимой (результативной) Y и независимых (факторных) переменных Х₁, Х₂, …, Х_m, исходя из целей и задач исследования.

2. Установление конкретных измерителей выбранных переменных.

3. Выявление направления причинно-следственных связей между переменными и наложение ограничений на знаки коэффициентов парной корреляции и коэффициентов регрессии будущей модели.

4. Обоснование формы связи f между результативной и факторными переменными модели.

5. Выдвижение предположений относительно вероятностных свойств случайной компоненты ε.