Korelācijas koeficients - raksturojums korelācijas modelim

Korelācijas modelis (CM) ir programmaaprēķināšana, nodrošinot matemātisko vienādojumu, kurā rezultātu rādītājs ir kvantitatīvi atkarīgs no viena vai vairākiem rādītājiem.

yx = a0 + a1x1

kur: y - iegūtais rādītājs, atkarībā no koeficienta x;

x ir faktora raksturlielums;

a1 ir CM parametrs, kas parāda, cik lielā mērā iznākošais parametrs y mainīsies, jo koeficients x mainās uz vienu, ja šajā gadījumā visi citi faktori, kas ietekmē y, paliek nemainīgi;

ao ir CM parametrs, kas parāda visu citu faktoru ietekmi uz iegūto rādītāju y, izņemot faktora zīmi x

Izvēloties produktīvo un faktoriāloir jāņem vērā, ka cēloņsakarības cēloņā esošais rādītājs ir augstāks nekā faktoru indeksi.

Korelācijas modeļa raksturojums

Pēc korelācijas modeļa parametru aprēķināšanas tiek aprēķināts korelācijas koeficients.

p ir korelācijas koeficients, -1 ≤ p ≤ 1,parāda ietekmes faktora faktora stiprumu un virzienu uz iegūto rezultātu. Jo tuvāk 1, jo stiprāks savienojums, jo tuvāk 0, jo stiprāks savienojums. Ja korelācijas koeficientam ir pozitīva vērtība, tad savienojums ir tiešs, ja negatīvs ir apgriezts.

Korelācijas koeficients ar formulu: pxy = (xy-x * 1 / y) / ex * yy

ax = xx2- (x) 2; yy = y2- (y) 2

Ja CM ir lineārs daudzfaktors, kuram ir šāda forma:

yx = a0 + a1x1 + a2x2 + ... + anxn

tad tam tiek aprēķināts vairāku korelācijas koeficients.

0 ≤ P ≤ 1, un parāda stiprumu ietekmi visu kopā faktors score rādītājiem.

P = 1- ((yx-yu) 2 / (yu-oo) 2)

Kur: uh - rezultātu indikators - aprēķinātā vērtība;

yi - faktiskā vērtība;

faktiskā vērtība, vidējā vērtība.

Aprēķinātā vērtība yx tiek iegūta aizstāšanas rezultātā x1, x2 korelācijas modelī un tā tālāk. to faktiskās vērtības.

Vienfaktoru un daudzfaktoru nelineāro modeļu gadījumā korelācijas koeficients tiek aprēķināts:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

Tiek uzskatīts, ka attiecības starp produktīvo uniekļauti modeļa parametru factorial vāja, ja hermētiskuma sakabes koeficients (m) robežās 0-0.3; ja 0,3-0,7 - savienojuma saspringums ir vidējs; virs 0,7-1 - savienojums ir spēcīgs.

Tā kā korelācijas koeficients (pāra) pkorelācijas koeficients (daudzkārtējs) P, korelācijas koeficients m - varbūtības koeficienti, tad tiem tiek aprēķināti to nozīmīguma koeficienti (noteikts no tabulām). Ja šie koeficienti ir lielāki par to tabulas vērtību, pieslēguma blīvuma koeficienti ir nozīmīgi cēloņi. Ja savienojuma blīvuma būtiskuma koeficienti ir mazāki par tabulētajām vērtībām vai ja sakabes koeficients pats par sevi ir mazāks par 0,7, tad modelī neietilpst visi faktoru rādītāji, kas būtiski ietekmē rezultātu.

Pārbaudes koeficients skaidri parāda, kā modelī iekļautie procenti nosaka rezultāta veidošanos.

D = P2 * 100%

D = p2 * 100%

D = m2 * 100%

Ja noteikšanas koeficients ir lielāks par 50, tadmodelis pienācīgi apraksta pētāmo procesu, ja tas ir mazāks par 50, tad mums jāatgriežas pirmajā būvniecības posmā un jāpārskata faktoru rādītāju izvēle, kas jāiekļauj modelī.

Fisher koeficients vai Fisher testsraksturo modeļa efektivitāti kopumā. Ja aprēķinātais koeficients ir lielāks nekā galds, iebūvēts modelis ir piemērots analīzei, kā arī rādītāji plānošanu nākotnē. Aptuveni tabulas vērtība = 1,5. Ja aprēķinātā vērtība ir mazāka par tabulā, jums vispirms izveidot modeli, tai skaitā ietekmējošo rezultātu būtiskiem faktoriem. Papildus modeļa efektivitātei kopumā katrs regresijas koeficients ietekmē būtiskumu. Ja aprēķinātā vērtība šī attiecība pārsniegt lielumu tabulas regresijas koeficients ir ievērojams, ja mazāk, tad koeficients parametrs, par kuriem aprēķinātais koeficients tiek noņemti no parauga aprēķiniem sākt no jauna, bet bez šī faktora.