Измеряющие (регрессионные) модели и корреляция

 

Простейшим видом измеряющих (регрессионных) моделей являются модели, характеризующие зависимость между двумя признаками (факторами), т.е. модели вида:

y = ƒ (x),

где y - зависимая переменная, т.е. результативный признак;

x - независимая или объясняющая переменная величина, т.е. признак фактора.

Например, бизнесменов, предпринимателей, экономистов, менеджеров интересует как изменится спрос на конкретный вид товара, если цены увеличатся на 12,3%, причем, при насыщенности рынка на данный товар на уровне 84,5%. Или в какой степени является целесообразным увеличение выпуска продукции на 15,5%, если цены на товары увеличиваются на 8,4%, а насыщенность рынка составляет не более 92%. Или еще, их интересует: какие товары надо производить, какого качества, в каком количестве, на какой рынок следует ориентироваться и т.д.

На все эти вопросы отвечают измеряющие эконометрические модели, если они подобраны, обоснованы адекватно, повторяю, если они выявлены с учетом объективной, достоверной информацией, а также учета комплекса внутренних и внешних факторов. В связи с этим хотелось бы, чтобы слушатели внимательно относились к эконометрическим моделям, исследованиям.

При количественной оценке связей между двумя переменными возможны использования следующих функций:

1. у = а + bx; 6.y = a · bx;

2. y = а + ; 7. y = ;

3.y = a · xb;8. y = a + bx + cx2;

4.y = ; 9. y = ;

5. y = a + bx + cx2; 10. y = a + bx + cx2 + dx3.

Для выяснения адекватности выводов, как правило, вычисляются коэффициенты корреляции и детерминации. Расчеты ведутся по формулам:

,

где r - коэффициент корреляции;

- средняя величина фактора;

- средняя величина результативного признака;

- средняя величина из попарных произведений изучаемых признаков x и y;

- среднее квадратическое отклонение факторного признака;

- среднее квадратическое отклонение результативного признака.

Коэффициент корреляции представляет собой величину, которая колеблется в пределах от 0 до ±1.

В тех случаях, когда коэффициент корреляции равен нулю, связь отсутствует. Если же он равен ±1, то связь между изучаемыми признаками функциональная, т.е. полная. Знак ± коэффициента корреляции указывает на направление связи (плюс - прямая связь, минус - обратная).

Если же r £ 0,5, связь между факторами можно считать слабой; если 0,51£ r £ 0,8, связь можно рассматривать как среднюю, а если r > 0,81- связь можно отнести к более устойчивой категории.

Линейный коэффициент корреляции можно вычислить и по другим формулам, например:

.

Часто применяется формула, основанная на расчетах отклонений от средней:

.

Коэффициент корреляции имеет ошибку, которая вычисляется по формуле:

.

При этом предполагается, что число наблюдений, по которым ведутся расчеты, является лишь выборкой из большого числа наблюдений "генеральной" совокупности, а вычисленный коэффициент корреляции – только приближенная оценка того "истинного" коэффициента, который характерен для нее.

Для выяснения доли связи между факторами вычисляется коэффициент детерминации:

r2 = D.

Измеряется этот коэффициент в процентах.

В случае многофакторной зависимости вычисляется коэффициент множественной корреляции:

.

Квадратическая ошибка коэффициента множественной корреляции исчисляется по формуле:

,

где n – число факторов.

Аналогично определяются и пределы "истинного" коэффициента множественной корреляции в определенных границах с некоторой вероятностью, зависящей от t - доверительного числа:

.

Если мерой тесноты связи при линейной форме служит коэффициент корреляции, то для криволинейной зависимости такую функцию связи выполняет корреляционное отношение, которое вычисляется по формуле:

, или ,

где у – фактическое значение результативного признака;

- расчетное значение признака;

- среднее значение признака.

Корреляционное отношение как показатель тесноты связи при множественной регрессии используется наравне с коэффициентом множественной корреляции. Корреляционное отношение как мера совокупной связи между признаками имеет вид:

Квадратическая ошибка корреляционного отношения определяется по формуле:

.

Достоверность выводов определяется на основании вычисления: .