Аналитическая группировка

 

 

Корреляционно-регрессионный анализ ( КРА )является логическим продолжением и углублением других более элементарных методов анализа, в первую очередь , метода группировок и средних .

При корреляционной связи, как уже было сказано, одному и тому же значению признака-фактора могут соответствовать у отдельных единиц совокупности самые различные значения результативного признака, т.е. при корреляционной связи между значениями признаков нет строгого и точного соответствия в каждом отдельном случае у каждой единицы совокупности, а наблюдается лишь известное соотношение, корреляция.

Слово "корреляция" заимствовано из английского "correlation"- соотношение, соответствие. Оно удачно отражает особенность зависимостей между показателями, у которых определенному значению одного показателя может соответствовать несколько значений другого.

Наличие множества причин, обстоятельств и факторов, которые действуют одновременно и во взаимной связи, причем мера, степень влияния каждого из них на результативный признак непосредственно неизвестна и изменяется в зависимости от конкретного их сочетания, таковы отличные особенности корреляционных связей. Ввиду этого корреляционная связь проявляется только в общем и среднем , при прочих равных условиях , когда влияние других факторов , не являющихся объектом исследования , устранено путем их осреднения.

Корреляционно-регрессионный анализ (КРА) заключается в построении и анализе экономико-математической модели в виде уравнения регрессии (уравнения корреляционной связи), выражающего зависимость явления от определяющих его факторов :

yx = f ( x1 , x2 , ... , xn )

 

Корреляционно-регрессионный анализ состоит из нескольких связанных друг с другом этапов, границы которых нередко переплетаются. Условно можно выделить следующие этапы:

1.Предварительный (априорный) анализ.

2.Сбор информации и ее первичная обработка.

3.Построение модели (уравнения регрессии).

4. Оценка и анализ модели.

 

1. Под предварительным (априорным) анализом понимают весь процесс исследования рассматриваемого явления до сбора исходной информации.

На этом этапе, прежде всего, в самом общем виде формулируется задача исследования. В дальнейшем эта задача уточняется и конкретизируется на основе теоретического, т.е. качественного и логического анализа. Источником информации при этом являются собственные значения, опыт и инструкции исследователей, консультации со специалистами, литературные источники и т.п.

В процессе априорного анализа решается ряд вопросов:

-экономически обосновывается методика измерения исследуемого явления, т.е. осуществляется выбор показателя наиболее точно характеризующего и количественно измеряющего данное явление;

-производится предварительный отбор наиболее важных и существенных факторов-аргументов;

При формировании предварительного перечня факторных признаков-

необходимо учитывать следующие обстоятельства:

а) во-первых, факторные признаки должны быть количественными;

б) во-вторых, факторные признаки должны рассчитываться по отношению к одной базе;

в) в-третьих, не рекомендуется включать в модель факторы, которые дублируют друг друга, т.е. отражают одну и ту же сторону изучаемого явления.

-производится выбор измерителей намеченных факторов-аргументов;

-определяется или уточняется вид связи между зависимыми (результативными) показателями и факторами-аргументами (функциональная или стохастическая);

-устанавливается или конкретизируется метод формирования исходных данных и соответственно модели выборки (случайный отбор, контролируемые опыты).

В процессе априорного анализа необходимо также выяснить принци-

пиальные возможности применения корреляционно-регрессионого модели-

рования.

 

 

2. Сбор информации и ее первичная обработка. Результаты КРА зависят в значительной степени от качества исходной информации. Первое и очевидное требование,предъявляемое к исходным данным заключается в их достоверности.

Прежде чем приступить к сбору данных,нужно установить прост-

ранственно-временные границы исследуемой совокупности. При решении этих вопросов следует учитьывать,что наряду с достоверностью информации, исследуемая совокупность и исходные данные должны удовлетворять и другим требованиям.

Прежде всего совокупность должна быть достаточно большой по

обьему (число единиц или наблюдений), чтобы в силу действия закона больших чисел определяемые в процессе КРА статистические характеристики были достаточно типичными и надежными.

Во-вторых, совокупность должна быть однородной относительно изучаемого явления и влияющих на него факторов. Качественная однородность предполагает близость формирования результативных и факторных признаков. (Например, предприятия одной отрасли, одной формы собственности; рабочие одной профессии; студенты одного факультета и т.д.). Количественная однородность заключается в отсутствии единиц наблюдения, которые по своим числовым характеристикам существенно отличаются от основной массы данных. Подобные аномальные наблюдения следует исключить из совокупности.

 

Регрессионные модели могут выражать зависимость между двумя признаками (парные, однофакторные) или между несколькими признаками

( множественные).