|
Корреляционно регрессионный
После выполнения указанных выше действий необходимо приступить к многофакторному анализу себестоимости добычи нефти с применением корреляционных методов. Основная задача анализа на этом этапе заключается в нахождении связи между исследуемым показателем и отобранными факторами, а также между отдельными факторами и в оценке тесноты установленной связи. Эта задача решается с помощью парных и частных коэффициентов корреляции и корреляционного отношения. Методы
Расчет исходных данных для определения корреляционного отношения при криволинейных зависимостях
Подставив полученные значения в формулу (7.8), определим величину корреляционного отношения:
Такой же способ применяется для оценки значимости корреляционного отношения.
По аналитической группировке можно измерить связь с помощью еще одного показателя: эмпирического корреляционного отношения. Этот показатель обозначается греческой буквой г\ (эта). Он основан на правиле разложения дисперсии, согласно которому общая дисперсия s2y равна сумме внутригрупповой и межгрупповой дисперсий.
где г2 - квадрат корреляционного отношения, равный 52:л'2.
Тогда F = 28,5. Критическое значение F-критерия из табл. 3 приложения F(a = 005 (//., = 2 ^:2 = ,7) = 3,59. Таким образом Рфакт > ^крш,,' следовательно, HQ отклоняется. Действительно, скорость оборота средств является очень важным фактором формирования прибыли, на это указывало и значение эмпирического корреляционного отношения г) = 0,881.
Для измерения тесноты связи применяется несколько показателей. При парной связи теснота связи измеряется прежде всего корреляционным отношением, которое обозначается греческой буквой г). Квадрат корреляционного отношения - это отношение межгрупповой дисперсии результативного признака, которая выражает влияние различий группировочного факторного признака на среднюю величину результативного признака, к общей дисперсии результативного признака, выражающей влияние на него всех причин и условий. Квадрат корреляционного отношения называется коэффициентом детерминации:
Формула (8.1) применяется при расчете показателя тесноты связи по аналитической группировке (см. гл. 6). При вычислении корреляционного отношения по уравнению связи (уравнению парной или множественной регрессии) применяется формула (8.2):
Это выражение соответствует выражению т)2 (см. формулу (8.2)). Тождество коэффициента детерминации и квадрата корреляционного отношения служит основанием для интерпретации величины г2л, как доли общей дисперсии результативного признака у, которая объясняется вариацией признака-фактора х (и связью между вариацией обоих признаков). Собственно говоря, основным показателем тесноты связи и следовало бы считать коэффициент детерминации
(для линейной формулы связи) или квадрат корреляционного отношения. Но исторически раньше был введен коэффициент корреляции, который долгое время и рассматривался как основной показатель.
Для решения данной задачи использованы методы математической статистики, в частности, корреляционно-регрессионный анализ.
Отметим еще раз, что корреляционно-регрессионный анализ не всегда адекватно отражает причинно-следственные связи явлений, которые к тому же изменяются во времени. Кроме того, сложность и неоднозначность интерпретации результатов, соблюдение необходимой точности прогнозов усложняет их применение в реальных расчетах.
• методы математической статистики, прежде всего корреляционно-регрессионный анализ;
Из экономике-математических методов в анализе наиболее распространен корреляционно-регрессионный анализ. Он используется для определения тесноты зависимости между показателями, которые не связаны между собой функционально. Теснота связи между показателями измеряется коэффициентом корреляции для прямолинейной зависимости и корреляционным отношением для криволинейной зависимости.
11.5. Корреляционно-регрессионный анализ . . 279
11.5. Корреляционно-регрессионный анализ
Корреляционно-регрессионный анализ — классический метод стохастического моделирования хозяйственной деятельности. Он изучает взаимосвязи показателей хозяйственной деятельности, когда зависимость между ними не является строго функциональной и искажена влиянием посторонних, случайных факторов. При проведении корреляционно-регрессионного анализа строят различные корреляционные и регрессионные модели хозяйственной деятельности. В этих моделях выделяют факторные и результативные показатели (признаки). В зависимости от количества исследуемых показателей различают парные и многофакторные модели корреляционно-регрессионного анализа.
КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ
Основу экономических исследований должен составлять глубокий качественный анализ. Наряду с этим для обоснования текущих п перспективных планов необходима количественная оценка процесса. Определение количественных взаимосвязей между уровнем себестоимости добычи нефти и попутного газа и факторами, влияющими на ее динамику, требует использования приемов и методов математической статистики. Одним из таких методов является корреляционно-регрессионный анализ. Отличительной особенностью корреляционных связей является их приближенный характер, поскольку каждое из рассматриваемых явлений находится под влиянием многочисленных причин. В связи с этим найти точную корреляционную связь можно лишь при изучении многих явлений.
Как указано выше, корреляционно-регрессионный анализ основан па случайной выборке. Если со случайными величинами рассматриваются какие-либо неслучайные компоненты, применение корреляционного анализа неправомерно для выявления связей 1. Поэтому соблюдение основной предпосылки применения корреляционно-регрессионного анализа в динамическом ряду требует исключения автокорреляции, что создает беспорядочность, случайность колеблющегося ряда чисел.
Нельзя согласиться с первым мнением Ф. Миллса, так как плавный уровень изучаемых динамических рядов может быть различен в зависимости от характера данного явления. Он может быть линейным, параболическим, гиперболическим и т. д. Мы предпочитаем точку зрения Н. К. Дружинина [40]. Исключая уровни динамических рядов, коррелируем отклонения от них. При этом не имеет значения, выражается ли этот уровень прямой или параболой. Отклонения от уровней временных рядов, независимо от их формы, являются беспорядочными числами, к которым можно применять корреляционно-регрессионный анализ.
Концепции производства Концепции технических Концепцию маркетинга Концернов ассоциаций Кондитерской промышленности Конечного использования Конечного потребителя Качественных особенностей Конференций семинаров Конфиденциальные документы Конфиденциальной информации Капитализация фондового Конфликтами интересов вывоз мусора снос зданий
|
|
|
|
Навигация
