ся випадковим і вибраним з генеральної сукупності, розподіленої по багатовимірному нормальному закону розподілу. Основним завданням даного аналізу є оцінка кореляційної матриці генеральної сукупності по вибірці і визначенні приватних і множинних коефіцієнтів кореляції і детермінації на її основі оцінок. Іншими словами, кореляційний аналіз дозволяє обробити статистичні дані, з метою вимірювання тісноти зв'язку між двома або більше змінними.
Для визначення необхідності включення в рівняння множинної регресії тих чи інших факторів, а також для оцінки отриманого рівняння на відповідність виявленим зв'язків (використовуючи коефіцієнт детермінації) ми побудуємо матрицю парних коефіцієнтів кореляції:
, де, а.
Згідно кореляційної матриці (додаток 2), на рівні 0,01 виявилися значущими кореляції між рівнем безробіття і середнім часом пошуку роботи безробітними (зв'язок є позитивною), питомою вагою міського населення в загальній чисельності населення (негативна залежність ), коефіцієнтом пенсійного навантаження (негативна взаємозв'язок), загальними коефіцієнтами народжуваності (коефіцієнт має позитивний знак), коефіцієнтами міграційного приросту (негативний взаємозв'язок), питомою вагою домогосподарств, що мали персональний комп'ютер з доступом до мережі Інтернет (коефіцієнт кореляції від'ємний), а також середньомісячна номінальна нарахована заробітна плата працівників організацій (кореляція є також негативною). Водночас, на рівні 0,05 значима зв'язок між рівнем безробіття і такими показниками як індекс споживчих цін і потужність амбулаторно-поліклінічних закладів.
Треба зауважити, що корельованих між собою показників досить багато, однак при цьому мультиколінеарності між факторами не спостерігається. Таким чином, в регресійну модель можуть увійти всі змінні, крім показників питомої ваги збиткових організацій (х2), очікуваної тривалості життя при народженні (х6), загальних коефіцієнтів шлюбності (х7), індексу фізичного обсягу інвестицій в основний капітал (х9), введення в дію житлових будинків (х10).
Після проведення кореляційного аналізу у нас залишилися 9 змінних, які мають значиму кореляцію на тому чи іншому рівні значущості. Однак включення всіх цих факторів в модель може виявитися безглуздим і збільшення такої характеристики якості побудованої моделі як коефіцієнт детермінації може бути результатом додавання в модель великої кількості регресорів. Таким чином, перевіримо залишилися змінні на істотність їх включення за допомогою дисперсійного аналізу.
Дисперсійний аналіз призначений для перевірки залежностей нормально розподіленої випадкової величини, що є результатівним ознакою, від декількох величин - факторних ознак, або факторів, серед яких можуть бути як випадкові, так і невипадкові величини, вимірювані в будь-який з шкал: інтервального, порядкової або номінальної.
У роботі наведено аналіз однофакторного комплексу. По черзі вивчається вплив 9 факторів на рівень безробіття в Російській Федерації. Дослідження суттєвості впливу кожного фактора на рівень безробіття в РФ полягає в перевірці основної гіпотези дисперсійного аналізу: рівні факторного ознаки не впливають на зміну результативної змінної. У даній роботі всі розрахунки проводяться на рівні значущості 0,05. Зведемо результати всіх розрахунків в одну таблицю (додаток 3) і перевіри...
