7.Статистическое изучение вариации социально-экономических явлений (стр. 6 из 12)

При построении модели регрессии возможна проблема мультиколлинеарности, под которой понимается тесная зависимость между факторными признаками, включенными в модель (

> 0,8).

Наличие мультиколлинеарности между признаками приводит к:

- искажению величины параметров модели, которые имеют тенденцию к завышению, чем осложняется процесс определения наиболее существенных факторных признаков;

- изменению смысла экономической интерпретации коэффициентов регрессии.

В качестве причин возникновения мультиколлинеарности между признаками, можно выделить следующие:

- изучаемые факторные признаки являются характеристикой одной и той же стороны явления или процесса. Например: показатели объема производимой продукции и среднегодовой стоимости основных фондов одновременно включать в модель не рекомендуется, так как они оба характеризуют размер предприятия;

- факторные признаки являются составляющими элементами друг друга;

- факторные признаки по экономическому смыслу дублируют друг друга.

Устранение мультиколлинеарности может реализовываться через исключение из корреляционной модели одного или нескольких линейно-связанных факторных признаков или преобразование исходных факторных признаков в новые, укрупненные факторы.

Вопрос о том, какой из факторов следует отбросить, решается на основании качественного и логического анализа изучаемого явления.

Качество уравнения регрессии зависит от степени достоверности и надежности исходных данных и объема совокупности. Исследователь должен стремиться к увеличению числа наблюдений, так как большой объем наблюдений является одной из предпосылок построения адекватных статистических моделей.

Аналитическая форма связи результативного признака от ряда факторных выражается и называется многофакторным (множественным) уравнением регрессии или моделью связи.

Линейное уравнение множественной регрессии имеет вид:

(1.9.7)

где

- теоретические значения результативного признака, полученные в результате подстановки соответствующих значений факторных признаков в уравнение регрессии;

- факторные признаки;

- параметры модели (коэффициенты регрессии).

Параметры уравнения могут быть определены графическим методом, методом наименьших квадратов и так далее.

1.9.4 Собственно-корреляционные параметрические методы изучения связи

Измерение тесноты и направления связи является важной задачей изучения и количественного измерения взаимосвязи социально-экономических явлений. Оценка тесноты связи между признаками предполагает определение меры соответствия вариации результативного признака от одного (при изучении парных зависимостей) или нескольких (множественных) факторных.

Линейный коэффициент корреляции характеризует тесноту и направление связи между двумя коррелируемыми признаками в случае наличия между ними линейной зависимости.

В теории разработаны и на практике применяются различные модификации формулы расчета данного коэффициента:

(1.9.8)

Производя расчет по итоговым значениям исходных переменных, линейный коэффициент корреляции можно вычислить по формуле:

(1.9.9)

Между линейным коэффициентом корреляции и коэффициентом регрессии существует определенная зависимость, выражаемая формулой:

(1.9.10)

где a

- коэффициент регрессии в уравнении связи;

- среднеквадратическое отклонение соответствующего, статистически существенного, факторного признака.

Линейный коэффициент корреляции изменяется в пределах от -1 до 1:

. Знаки коэффициентов регрессии и корреляции совпадают.

При этом интерпретацию выходных значений коэффициента корреляции можно представить в следующей таблице 1.9.3:

Таблица 1.9.3

Оценка линейного коэффициента корреляции

Значение линейного коэффициента связи	Характер связи	Интерпретация связи
r = 0	отсутствует	-
0<r<1	прямая	с увеличением x увеличивается y
-1<r<0	обратная	с увеличением x уменьшается y и наоборот
r=1	функциональная	каждому значению факторного признака строго соответствует одно значение результативного признака

Пример. По исходным данным, представленным в таблице 1.9.2, оценим тесноту связи с помощью коэффициента корреляции (см. табл. 1.9.4).

Таблица 1.9.4

Расчетная таблица для определения

коэффициента корреляции

№ п/п	x	y
1 2 3 4 5 6 7 8 9 10	5 4 7 10 1 2 8 12 3 6	10,2 7,5 13,9 12,8 0,6 2,8 13,2 10,1 5,4 12,7	51 30 97,3 128 0,6 5,6 105,6 121,2 16,2 76,2	25 16 49 100 1 4 64 144 9 36	104,04 56,25 193,21 163,84 0,36 7,84 174,24 102,01 29,16 161,29
Сумма	58	89,2	631,7	448	992,24
Средняя	5,8	8,92	63,17	44,8	99,224

1. Используя формулу (1.9.8) получаем:

2. По формуле (1.9.9) значение коэффициента корреляции составило:

Таким образом, результат по всем формулам одинаков и свидетельствует о сильной прямой зависимости между изучаемыми признаками.

В случае наличия нелинейной зависимости между двумя признаками для измерения тесноты связи применяют теоретическое корреляционное отношение:

(1.9.11)

где

- дисперсия выравненных значений результативного признака, то есть рассчитанных по уравнению регрессии;

- дисперсия эмпирических (фактических) значений результативного признака.

Для оценки тесноты связи также рассчитывается коэффициент детерминации:

(1.9.12)

Коэффициент детерминации показывает, какая доля вариации результативного признака объясняется вариацией изучаемого фактора х.

Корреляционное отношение (

) изменяется в пределах от 0 до 1 ( ) и анализ степени тесноты связи полностью соответствует линейному коэффициенту корреляции (таблица 1.9.1).

Для измерения тесноты связи при множественной корреляционной зависимости, то есть при исследовании трех и более признаков одновременно, вычисляется множественный и частные коэффициенты корреляции.