- •Курсовая работа
- •ГлаваI. Инвестиционная деятельность в пмр
- •Инвестиционная деятельность как объект исследования
- •1.2 Состав и роль инвестиции в основной капитал пмр
- •ГлаваIi. Анализ инвестиционной деятельности в основной капитал пмр
- •2.1 Первичный статистический анализ данных
- •2.2 Корреляционный анализ данных
- •2.3 Регрессионный анализ данных
- •2.4 Анализ временных рядов.
- •Заключение
- •Литература
- •Приложение
2.2 Корреляционный анализ данных
Графическое представление корреляционной зависимости. Для графического представления корреляционной связи можно использовать прямоугольную систему координат с осями, которые соответствуют обеим переменным. Каждая пара значений маркируется при помощи определенного символа. Такой график называется диаграммой рассеяния. Она строится для переменных, которые как минимум относятся к интервальной шкале.
Существует 4 вида диаграмм:
Простая диаграмма
Матричная диаграмма
Наложенная диаграмма
3-D диаграмма
Мы воспользуемся простой диаграммой рассеивания. Корреляционный анализ Инвестиции в основной капитал по источникам финансирования
Рис.7.Диаграмма рассеивания между переменными «Всего» и «республиканский бюджет»
По полученной простой диаграмме рассеяния (рис.7) можно сделать вывод, что между переменными «Всего» и «республиканский бюджет» существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.
Коэффициент корреляции Пирсона. Так как переменные измерены в интервальной шкале, то для расчета корреляционной зависимости используем коэффициент корреляции Пирсона. Коэффициент корреляции Пирсона также носит название линейного корреляционного коэффициента и рассчитывается по следующей формуле:
где и- значения двух переменных,
и - их средние значения,
и - стандартные отклонения,
n – количество пар значений (объем выборки).
Вычислим коэффициент корреляции Пирсона в пакете SPSS.
Таблица 7
Таблица корреляции переменных «Всего» и «республиканский бюджет»
Корреляции | |||
|
|
Всего |
Республиканский_бюджет |
Всего |
Корреляция Пирсона |
1 |
,748** |
Знч.(2-сторон) |
|
,005 | |
N |
12 |
12 | |
Республиканский_бюджет |
Корреляция Пирсона |
,748** |
1 |
Знч.(2-сторон) |
,005 |
| |
N |
12 |
12 | |
**. Корреляция значима на уровне 0.01 (2-сторон.). |
Полученные результаты содержат: корреляционный коэффициент Пирсона r, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,748), поэтому все коэффициенты являются сверхзначимыми (p<0,005).
Корреляционный анализ «всего» и «местный бюджет»
Рис.8. Диаграмма рассеивания между переменными «всего» и «местный бюджет»
По полученной простой диаграмме рассеяния (рис.8) можно сделать вывод, что между переменными «всего» и «местный бюджет» существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.
Вычислим коэффициент корреляции Пирсона в пакете SPSS.
Таблица 8
Таблица корреляции переменных «всего» и «местный бюджет
Корреляции | |||
|
|
Всего |
Местный_бюджет |
Всего |
Корреляция Пирсона |
1 |
,849** |
Знч.(2-сторон) |
|
,000 | |
N |
12 |
12 | |
Местный_бюджет |
Корреляция Пирсона |
,849** |
1 |
Знч.(2-сторон) |
,000 |
| |
N |
12 |
12 | |
**. Корреляция значима на уровне 0.01 (2-сторон.). | |||
|
Полученные результаты содержат: корреляционный коэффициент Пирсона r, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,849), поэтому все коэффициенты являются сверхзначимыми (p<0,000).
Рис.9. Диаграмма рассеивания между переменными «Всего» и «Собственных средств организаций»
По полученной простой диаграмме рассеяния (рис.9) можно сделать вывод, что между переменными «всего» и «Собственных средств организаций» существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.
Вычислим коэффициент корреляции Пирсона в пакете SPSS.
Таблица 9
Таблицы корреляции переменных всего и собственных средств организаций
Корреляции | |||
|
|
Всего |
Собственных_средств_организаций |
Всего |
Корреляция Пирсона |
1 |
,998** |
Знч.(2-сторон) |
|
,000 | |
N |
12 |
12 | |
Собственных_средств_организаций |
Корреляция Пирсона |
,998** |
1 |
Знч.(2-сторон) |
,000 |
| |
N |
12 |
12 | |
**. Корреляция значима на уровне 0.01 (2-сторон.). |
Полученные результаты содержат: корреляционный коэффициент Пирсона r, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,998), поэтому все коэффициенты являются сверхзначимыми (p<0,000).
Корреляционный анализ по переменным «всего» и «прочих источников»
Рис.10. Диаграмма рассеивания между переменными «всего» и «прочих источников»
По полученной простой диаграмме рассеяния (рис.10) можно сделать вывод, что между переменными «всего» и «прочих источников» существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.
Вычислим коэффициент корреляции Пирсона в пакете SPSS.
Таблица 10
Таблица корреляции переменных «всего» и «прочих источников»
Корреляции | |||
|
|
Всего |
Прочих_источников |
Всего |
Корреляция Пирсона |
1 |
,712** |
Знч.(2-сторон) |
|
,009 | |
N |
12 |
12 | |
Прочих_источников |
Корреляция Пирсона |
,712** |
1 |
Знч.(2-сторон) |
,009 |
| |
N |
12 |
12 | |
**. Корреляция значима на уровне 0.01 (2-сторон.). |
Полученные результаты содержат: корреляционный коэффициент Пирсона r, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,712), поэтому все коэффициенты являются сверхзначимыми (p<0,009).