Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
4. ЛИНЕЙНАЯ КОРРЕЛЯЦИЯКак отмечалось в разделах, посвященных линейной регрессии и коэффициентам детерминации, при стохастических связях изменения в величинах зависимой переменной не полностью определяются влиянием изменений рассматриваемых объясняющих переменных. На изменения зависимых переменных оказывают влияние также другие, не учитываемые нами или скрытые от нас факторы и случайности. Чем больше изменения зависимых переменных обусловлены изменениями рассматриваемых объясняющих переменных, тем теснее, интенсивнее исследуемая связь между явлениями. Измерением степени, интенсивности, тесноты наблюдаемой связи мы хотим заняться и в последующих разделах. При этом мы снова будем основываться на количественных соотношениях, которые существуют между исследуемыми явлениями. 4.1. ПРОСТАЯ ЛИНЕЙНАЯ КОРРЕЛЯЦИЯ ПРИ НЕСГРУППИРОВАННЫХ ДАННЫХЕсли между двумя явлениями у их существует линейное стохастическое соотношение (корреляционная связь), линейная регрессия, то мы можем степень, интенсивность связи между обоими явлениями измерить с помощью коэффициента корреляции Пусть заданы значения переменных у их, между которыми существует линейное соотношение. Вычислим по ним средние значения у и х, а также отклонения
Эта сумма будет тем больше, чем больше синхронности в смещении рядов наблюдений над переменными в одном или противоположных направлениях. В обоих случаях большим отклонениям значений переменной у соответствуют большие отклонения значений переменной х. Если это соответствие отсутствует, то связь между исследуемыми переменными менее интенсивна. Кроме того, сумма произведений (4.1) зависит от числа пар наблюдений. Чтобы сделать показатель связи не зависящим от числа пар наблюдений, разделим выражение (4.1) на
Учитывая (1.13) из раздела 1.5, запишем формулу (4.2) в таком виде:
Из (4.3) видно, что коэффициент корреляции представляет собой отношение ковариации к произведению стандартных отклонений обеих переменных у и х, т. е. является стандартизованной ковариацией. В соответствии с определениями ковариации и соответствующих стандартных отклонений
Раскрыв в (4.4) скобки и выполнив некоторые простые преобразования, получим
Формула (4.5) удобна для практических вычислений. В ней содержатся только исходные данные и промежуточные результаты, которые можно заимствовать из рабочей таблицы, построенной для вычисления оценок параметров регрессии (см. раздел 2.4). Так же, как при проведении регрессионного анализа, при большом объеме наблюдений для вычисления коэффициента корреляции желательно применять КВМ. Коэффициент корреляции принимает значения в интервале
Значения Пример 1 Вычислим по формуле (4.5) коэффициент корреляции для примера из раздела 2.4 (связь между производительностью труда и уровнем механизации работ), необходимые промежуточные результаты заимствуем из табл. 3 (см. раздел 2.4):
Пример 2 По той же формуле вычислим коэффициент корреляции для примера из раздела 2.5 (связь между объемом производства и основными фондами):
В обоих примерах мы получили очень высокий коэффициент корреляции. Это свидетельствует о том, что связь между производительностью труда и уровнем механизации работ, а также, между объемом производства и основными фондами очень тесная, хотя и не функциональная. Очевидно, что к действию переменных примешивается влияние побочных факторов. Чем меньше это влияние и ограниченнее воздействие случайностей, тем больше приближается значение коэффициента корреляции к В заключение нам хотелось бы привести еще одну формулу коэффициента корреляции, которая часто встречается в литературе. Для этой цели перепишем (4.2) в следующем виде:
Подставив в (4.7) формулу (2.65) для стандартизованных переменных из раздела 2.7, получи.
Коэффициент корреляции, представленный в виде разделенной на Корреляционный анализ применяется для решения и других задач, например для отбора факторов, оказывающих существенное влияние на экономический процесс. Дальнейшим развитием корреляционного исчисления следует считать факторный анализ, который исходит из корреляционной матрицы. Его основные задачи — выявление структуры взаимосвязи между переменными, выделение факторов, объясняющих наблюдаемые связи переменных и снижение размерности исходного набора переменных. К сожалению, у нас нет возможности в рамках данной книги более обстоятельно осветить эти вопросы, поэтому отсылаем читателя к соответствующей литературе [67].
|
1 |
Оглавление
|