- •Статистическое изучение взаимосвязи социально-экономических явлений
- •Часть I понятие статистическое взаимосвязи методы выявления связи
- •1. Причинность, регрессия, корреляция. Этапы статистического изучения связи
- •2. Основные предпосылки применения корреляционно-регрессионного анализа
- •3. Методы выявления корреляционной связи
- •3.1. Параллельное рассмотрение значений х и у в каждой из n единиц. Коэффициент Фехнера
- •Основные показатели деятельности предприятия
- •3.2. Метод группировок
- •Распределение уровня издержек обращения по группам предприятий
- •Корреляционная таблица
- •3.3. Изучение связи между качественными признаками на основе таблиц сопряженности
- •3.3.1. Показатели тесноты связи между двумя качественными признаками
- •Коэффициент взаимной сопряженности Пирсона
- •Коэффициент взаимной сопряженности Чупрова
- •3.4. Изучение тесноты связи между двумя количественными признаками
- •3.4.1. Линейный коэффициент корреляции
- •3.4.2. Коэффициенты корреляции рангов
2. Основные предпосылки применения корреляционно-регрессионного анализа
Основной предпосылкой применения корреляционного анализа является необходимость подчинения совокупности значений всех факторов (i = 1, 2, ..., n) и результативного у признаков нормальному закону распределения.
Целью регрессионного анализа является оценка функциональной зависимости условного среднего значения результативного признака у от факторных (i = 1, 2, ..., n).
Основной предпосылкой регрессионного анализа является то, что только результативный признак у подчиняется нормальному закону распределения, а факторные признаки (i = 1, 2, ..., n) могут иметь произвольный закон распределения. В анализе динамических рядов (лекция 9) в качестве факторного признака выступает время t. В регрессионном анализе заранее подразумевается наличие причинно-следственных связей между результативным у и факторными (i = 1, 2, ..., n) признаками.
Уравнение регрессии или статистическая модель связи социально-экономических явлений, выражаемая функцией
,
является достаточно адекватной реальному моделируемому явлению или процессу, если выполняются следующие требования к их построению:
совокупность исследуемых исходных данных должна быть однородной и математически описываться непрерывными функциями;
моделируемые явления должны описываться одним или несколькими уравнениями причинно-следственных связей;
все факторные признаки должны иметь количественное (цифровое) выражение;
объем исследуемой выборочной совокупности должен быть достаточно большим;
причинно-следственные связи между явлениями и процессами должны описываться линейной или приводимой к линейной формам зависимостями;
параметры модели связи не должны иметь количественных ограничений;
территориальная и временная структура изучаемой совокупности должна быть постоянной.
Соблюдение данных требований позволяет исследователю построить статистическую модель связи, наилучшим образом аппроксимировать моделирование социально-экономические явления или процессы.
Теоретическую обоснованность моделей взаимосвязи, построенных на основе корреляционного анализа, обеспечивается соблюдением следующих основных условий:
все признаки и их совместные распределения должны подчиняться нормальному закону распределения;
дисперсия модулируемого признака (у) должна все время оставаться постоянной при изменении величины (у) и значений факторных признаков;
отдельные наблюдения должны быть независимыми, т.е. результаты, полученные в i-м наблюдении, не должны быть связаны с предыдущими и содержать информацию о последующих наблюдениях, а также влиять на них.
Отступление от выполнения этих условий и предпосылок приводит к тому, что модель регрессии будет неадекватно отражать реально существующие связи между анализируемыми признаками.
Одной из проблем построения уравнения регрессии является ее размерность, т.е. определение числа факторных признаков, включаемых в модель. Их число должно быть оптимальным (5-6 раз меньше объема изучаемой совокупности).
Сокращение размерности за счет исключения второстепенных, несущественных факторов позволяет получить модель, реализуемую быстрее и качественнее. В то же время построение модели малой размерности может привести к тому, что она будет недостаточно полно описывать исследуемое явление или процесс, а единой системе национального счетоводства.