/p>
Вона з проблем побудови рівняння регресії - це її розмірність, тобто визначення числа факторних ознак включаються в модель, їх число повинне бути оптимальним. Скорочення розмірності моделі, за рахунок виключення другорядних несуттєвих факторів дозволяє отримати модель, швидше і якісніше реалізовану. Але побудова моделі малої за розмірами, може призвести до того, що вона буде не досить повно описувати досліджуване явище чи процес. p> Побудова кореляційно-регресійних моделей, якими б складними не були, що не показує всі причинно-наслідкові зв'язки. Основою їх адекватності є попередній якісний аналіз, заснований на обліку специфіки та особливостей сутності досліджуваних соціально-економічних явищ і процесів. br/>
1.3 Методи кореляційного і регресійного аналізу
Існує безліч самих різних методів розрахунку, я постараюся описати деякі з них. Розрізняють два види залежностей між економічними явищами і процесами: а) функціональна і б) стохастична. Приклади функціональної залежності можна навести з області фізичних явищ. Наприклад, у фізиці відомий закон вільного падіння. В умовах безповітряного простору швидкість падіння є твором прискорення вільного падіння на час падіння. Закон Ома вказує функціональну зв'язок між електричним опором, силою струму і напругою. В економіці прикладом може служити залежність продуктивності праці від обсягу виробленої продукції і витрат робочого часу. p> Зовсім по-іншому йде справа в закономірностях, що проявляються тільки в масовому процесі, тільки при великому числі одиниць сукупності. Такі закономірності називаються стохастичними (імовірнісними). ​​p> У моїй роботі вже згадувалося про метод кореляційного аналізу - лінійному коефіцієнті кореляції . Розглянемо цей метод більш обширніше. Лінійний коефіцієнт кореляції розробили Карл Пірсон, Френсіс Еджуорт і Рафаель Уелдон до 90-х роках XIX століття і розраховується за формулою:
В
Де Х - факторний ознака У - результативний
Коефіцієнт кореляції змінюється за модулем від -1 до 1.
1 - ідеальна позитивний зв'язок Всі крапки даних розташовуються строго на прямій лінії, спрямованої вгору і в право.
Близько до 1 - сильна позитивна взаємозв'язок. Точки даних щільно згруповані навколо прямої лінії, спрямованої вгору і вправо. p> Близько до 0 (позитивно) - відсутність взаємозв'язку. Випадкове хмара точок даних. Не має чіткої спрямованості ні вгору, ні вниз при русі вправо. p> Близько до 0 (негативно) - незначна негативна взаємозв'язок. Точки даних утворюють випадкове хмара з незначною орієнтацією вниз і вправо. p> Близько до -1 - сильна негативна взаємозв'язок. Точки даних щільно згруповані навколо прямої лінії, спрямованої вниз і вправо. p> -1 - Ідеальна взаємозв'язок, всі крапки розташовуються строго на прямій.
Не визначено - точки даних розташовуються строго на гори...
