Статистическое изучение взаимосвязей реферат

Обновлено: 05.07.2024

Различают два типа связи между различными явлениями и их признаками: функциональную или жестко детерминированную и статистическую или стохастически детерминированную с другой стороны.

Если с изменением одной из переменных вторая изменяется строго определенным образом, т.е. значению одной переменной обязательно соответствует одно или несколько точно заданных значений другой переменной, связь между ними является функциональной.

При стохастически детерминированной связи (статистической) с изменением значения одной переменной вторая может в определенных пределах принимать любые значения с некоторыми вероятностями, но ее среднее значение или иные статистические (массовые) характеристики изменяются по определенному закону, т.е. разным значениям одной переменной соответствуют разные распределения значений другой переменной.

Частным случаем статистической связи является корреляционная связь.

Корреляционная связь - это связь, где воздействие отдельных факторов проявляется только как тенденция (в среднем) при массовом наблюдении фактических данных.

Наиболее простым вариантом корреляционной зависимости является парная корреляция, т.е. зависимость между двумя признаками (результативным и факторным или между двумя факторными). Математически эту зависимость можно выразить как зависимость результативного показателя у от факторного показателя х. Связи могут быть прямые и обратные. В первом случае с увеличением признака х увеличивается и признак у, при обратной связи с увеличением признака х уменьшается признак у.

Методы изучения статистической связи.

Важнейшей задачей является определение формы связи с последующим расчетом параметров уравнения, или, иначе, нахождение уравнения связи (уравнения регрессии).

Могут иметь место различные формы связи:

линейные связи являются основными и применяются также и при многофакторном анализе.

криволинейная в виде:

параболы второго порядка (или высших порядков)

параболической связью описывается взаимосвязь при которой характер связи между факторным и результативным признаком может измениться на противоположный при прохождении некоторого оптимального значения.

гиперболические зависимости характерны для связей, в которых результативный признак не может варьироваться неограниченно, его вариация имеет односторонний предел.

Параметры для всех этих уравнений связи, как правило, определяют из системы нормальных уравнений, которые должны отвечать требованию метода наименьших квадратов (МНК):

Другая важнейшая задача - измерение тесноты зависимости - для всех форм связи может быть решена при помощи вычисления эмпирического корреляционного отношения:

дисперсия в ряду выравненных значений результативного показателя ; -

дисперсия в ряду фактических значений у.

Для определения степени тесноты парной линейной зависимости служит линейный коэффициент корреляции r, для расчета которого можно использовать следующие формулы:

Общий вид многофакторного уравнения регрессии имеет вид:

y = a + b1x1 + .. + bkxk

Многофакторная система требует не одного, а множества показателей тесноты связей. Основой измерения связей является матрица коэффициентов корреляции. На основе этой матрицы судят о тесноте связи факторов с результативным признаком и между собой. Не рекомендуется включать в уравнение регрессии факторы слабо связанные с результативным признаком, но тесно связанные с другими факторами. Множественный коэффициент корреляции определяется как отношение части вариации результативного признака, объясняемой за счет вариации входящих в уравнение факторов, к общей вариации результативного признака за счет всех факторов. Под вариацией понимается сумма квадратов отклонений индивидуальных значений от расчетных по уравнению регрессии (объясненная вариация) или от общей средней величины признака (общая вариация).

Для случая двух факторов коэффициент множественной детерминации вычисляется по формуле из парных коэффициентов корреляции::

Коэффициент частной детерминации фактора xm – это доля вариации у, не объясненной ранее включенными факторами. Если обозначить частный коэффициент детерминации ддя фактора xm как Тогда

Основные задачи применения корреляционно-регрессионного анализа.

В соответствии с сущностью корреляционной связи ее изучение имеет две цели: 1) измерение параметров уравнения, выражающего связь средних значений зависимой переменной со значениями независимой переменной; 2) измерение тесноты связи двух (или большего числа признаков) между собой

Задачи корреляционно-регрессионного анализа:

1. Задачи выделения важнейших факторов, влияющих на результативный признак (т.е. вариацию его значений в совокупности). Эта задача решается на базе мер тесноты связи факторов с результативным признаком.

2. Задачи оценки хозяйственной деятельности по эффективности использования факторов производства. Эта задача решается путем расчета для каждой единицы совокупности тех величин результативного признака, которые были получены при средней по совокупности эффективности использования факторов и сравнивания их с фактическими результатами производства.

3. Задача прогнозирования возможных значений результативного признака при задаваемых значениях факторных признаков. Такая задача решается путем подстановки ожидаемых, или планируемых, или возможных значений факторных признаков в уравнении связи и вычисления ожидаемых значений результативного признака.

4. Задача подготовки данных, необходимых в качестве исходных для решения оптимизационных задач.

При решении каждой из названных задач нужно учитывать особенности и ограничения корреляционно-регрессионного метода. Всякий раз необходимо специально обосновать возможность причинной интерпретации уравнения как объясняющего связь между вариацией фактора и результата. Трудно обеспечить раздельную оценку влияния каждого из факторов.

Непараметрические методы определения тесноты связи.

В статистической практике могут встречаться такие случаи, когда качества факторных и результативных признаков не могут быть выражены численно. Поэтому для измерения тесноты зависимости необходимо использовать другие показатели. Для этих целей используются так называемые непараметрические методы.

Наибольшее распространение имеют ранговые коэффициенты корреляции, в основу которых положен принцип нумерации значений статистического ряда. При использовании коэффициентов корреляции рангов коррелируются не сами значения показателей х и у, а только номера их мест, которые они занимают в каждом ряду значений. В этом случае номер каждой отдельной единицы будет ее рангом.

Коэффициент корреляции рангов Спирмэна (р) основан на рассмотрении разности рангов значений результативного и факторного признаков и может быть рассчитан по формуле

где d = Nx - Ny , т.е. разность рангов каждой пары значений х и у; n - число наблюдений.

К непараметрическим методам исследования можно отнести коэффициент ассоциации Кас и коэффициент контингенции Ккон, которые используются, если, например, необходимо исследовать тесноту зависимости между качественными признаками, каждый из которых представлен в виде альтернативных признаков.

Каждый процесс и явление можно рассматривать с двух сторон. С первой стороны они испытывают влияние других явлений и процессов и выступают как результат этого влияния. С другой стороны каждое явление в свою очередь выступает как фактор, оказывающий влияние на другие явления и процессы. Поэтому признаки, которые испытывают влияние, называются результативными; признаки, которые оказывают влияние - факторные.

Содержание работы

Статистические методы изучения взаимосвязей производственных показателей фирмы (организации)………………………………………….

Виды и формы связей между явлениями ……………………………5

Методы изучения взаимосвязей экономических явлений …………8

Непараметрические методы оценки связи …………………………16

Список использованной литературы …………………………………. 37

Файлы: 1 файл

Содержание.docx

Статистические методы изучения взаимосвязей производственных показателей фирмы ( организации)………………………………………….

Виды и формы связей между явлениями ……………………………5

Методы изучения взаимосвязей экономических явлений …………8

Непараметрические методы оценки связи …………………………16

Список использованной литературы …………………………………. 37

Все явления и процессы, протекающие в экономике взаимосвязаны между собой. Статистическое изучение этой взаимосвязи имеет особо важное значение в связи с тем, что оно позволяет выявить закономерности развития и осуществить прогнозирование этих явлений и процессов.

Результативные признаки обозначаются через Y, факторные через X. Поэтому в общем виде взаимосвязь между результатом и факторами можно записать формулой:

следовательно, Y является функцией от всех X.

Если на результат оказывает влияние первый фактор, то в этом случае изучается корреляция и регрессия, которые носят название парных; если на результат оказывает влияние несколько факторов, то изучается множественная корреляция и множественная регрессия.

Исследуя явления в самых различных областях, статистика сталкивается с зависимостями, как между количественными, так и между качественными показателями, признаками. Выявление связей между признаками основывается на результатах качественного теоретического анализа. Задача статистики – количественная оценка закономерности связей.

В теоретической части рассмотрим различные виды и статистические методы взаимосвязи показателей.

В расчетной части представлены задачи на построение интервального ряда распределения; установление наличия и характера связи между признаками; определение ошибок выборки средней и доли; определение абсолютных и относительных изменений показателей, а также абсолютного изменения результативного показателя в результате изменения отдельных факторов и обоих факторов вместе.

При проведении статистического анализа данных для текущей работы были использованы следующие программные средства: Microsoft Word и Microsoft Excel.

1. Теоретическая часть

1.1. Виды и формы связей между явлениями

Статистика различает следующие виды взаимосвязи:

Функциональная и стохастическая (корреляционная).

Функциональная связь - связь признака у с признаком х, при которой каждому значению независимого признака х (фактора) соответствует одно или несколько четко определенных значений зависимого признака у (результата).

Функциональную связь можно представить уравнением:

где уi – результативный признак; f(xi) – известная функция связи результативного и факторного признаков; xi – факторный признак.

Примером функциональной связи может служить связь между заработной платой у и производительностью труда на одного работника х при простой сдельной оплате труда. Так, если стоимость одной детали составляет 5 тыс. руб., то связь между признаками выразится простым линейным уравнением у = 5х.

Стохастическая связь (корреляционная) – связь признака у с признаком х, при которой каждому значению независимого признака х (фактора) соответствует неопределенное множество значений зависимого признака у (результата).

Корреляционную связь можно представить уравнением:

где ŷi – расчетное значение результативного признака; f(xi) – часть результативного признака, сформировавшаяся под воздействием учтенных известных факторных признаков, находящихся в стохастической связи с признаком; εi – часть результативного признака, возникшая вследствие действия неконтролируемых или неучтенных факторов, а также измерения признаков неизбежно сопровождающимися некоторыми случайными ошибками.

Корреляционная связь является свободной, неполной и неточной связью. Например, себестоимость величины продукции зависит от уровня производительности труда: чем выше производительность труда, тем ниже себестоимость. Но себестоимость зависит также и от ряда других факторов: стоимости сырья и материалов, топлива, электроэнергии, их расхода на единицу продукции, цеховых и общезаводских расходов и т.д. Поэтому нельзя утверждать, что при повышении производительности труда, допустим, на 10% себестоимость снизится также на 10%. Может случиться, что, несмотря на рост производительности труда, себестоимость не только не снизится, но даже несколько повысится, если на нее окажут более сильное влияние действующие в обратном направлении другие факторы.

Аналогично, можно провести рассуждения при изучении связи между производительностью труда и заработной платой. Величина заработной платы работников зависит не только от производительности труда, но и от ряда других факторов: инфляционные процесс в стране, рентабельность предприятия в целом, направление деятельности предприятия, квалификацией, стажем работы, уровнем механизации и автоматизации производства, интенсивностью труда, состоянием здоровья работника. Например, при увеличении производительности труда заработная плата рабочих предприятия может не увеличиться вследствие роста цен на сырьё. Значит, между производительностью труда и заработной платой существует корреляционная зависимость.

Корреляционная зависимость проявляется только в средних величинах и выражает соотношение между ними в виде тенденции к возрастанию или убыванию одной переменной величины при возрастании или убывании другой.

Существует еще одна достаточно важная характеристика связей с точки зрения взаимодействующих факторов. Если характеризуется связь двух признаков, то ее принято называть парной. Если изучаются более чем две переменные – множественной.

Для того, чтобы установить, есть ли зависимость между величинами, используются многообразные статистические методы, позволяющие определить, во-первых — какие связи; во-вторых — тесноту связи (в одном случае она сильная, устойчивая, в другом — слабая); в-третьих — форму связи (т.е. формулу, связывающую величину и).

По направлению связи бывают прямыми, когда зависимая переменная растет с увеличением факторного признака, и обратными, при которых, наоборот, рост факторного признака сопровождается уменьшением результативного. Такие связи также можно назвать соответственно положительными и отрицательными.

По аналитическому выражению корреляционная связь может быть прямолинейной и криволинейной. Прямолинейной называется связь, когда величина явления изменяется приблизительно равномерно в соответствии с изменением величины влияющего фактора. Математически прямолинейная связь может быть выражена уравнением прямой: .

Если происходит неравномерное изменение явления в связи с изменением величины влияющего фактора, то такая связь называется криволинейной. Математически криволинейная зависимость может быть выражена уравнением криволинейной связи (уравнение параболы, показательная, степенная, логарифмическая функции и другие).

В экономической практике не встречаются взаимосвязи, которые полностью можно описать при помощи формальных уравнений. Поэтому при характере взаимосвязи задачи статистики заключаются в следующем:

1) определить вид и характер взаимосвязи;

2) подобрать теоретическую функцию, которая наиболее точно описывает взаимосвязь фактора и результата. Это дает возможность прогнозировать результат показателя на основании прогноза факторов.

Построить статистический ряд распределения по признаку – среднегодовая заработная плата. Вычислим среднегодовую заработную плату как отношение фонда заработной платы к среднесписочной численности работников (данные задачи приложение 2).

Образуем 5 групп с равными интервалами (n = 5).

Для образования групп предприятий по среднегодовой заработной плате необходимо определить величину интервала по формуле Стерджесса:

где, х max - наибольший показатель среднегодовой заработной платы в млн. руб.

Цель работы – систематизация, углубление, закрепление и расширение теоретических и практических знаний студента по данной дисциплине, развитие навыком самостоятельной работы.
Задачи курсовой работы – научиться анализировать деятельность предприятия и использовать статистические методы при оценке результатов его деятельности.

Содержание

Работа содержит 1 файл

статистика.doc

1.1 Виды группировок. Статистическая таблица…………………… ………….6

1.2Статистическое изучение взаимосвязи социально- экономических явлений…………………………………………………………… ……………….8

1.3 Анализ статистических данных…………………………………………….10

1.4 Выборочное наблюдение……………………… …………………………. 12

1.5 Экономические индексы……………………… …………………………….15

Список использованной литературы…………………………………….…….. 48

Статистика — отрасль знаний, в которой излагаются общие вопросы сбора, измерения и анализа массовых статистических (количественных или качественных) данных. Статистика, как любая другая наука, возникла из практических потребностей людей. Еще в древнем мире необходимость сбора налогов, несения военной службы и для других общественных целей возникла потребность учета населения, его размещения, рода занятий. Статистические методы анализа данных применяются практически во всех областях деятельности человека. Их используют всегда, когда необходимо получить и обосновать какие-либо суждения о группе (объектов или субъектов) с некоторой внутренней неоднородностью.

Статистика является наукой, которая является неотъемлемой в жизни каждого общества, она определяет динамику развития, спада, роста общественных явлений. Это наука, которая решает определенные цели благодаря наличию и развитию статистических методов, а также благодаря развивающимся информационным технологиям.

Задачи курсовой работы – научиться анализировать деятельность предприятия и использовать статистические методы при оценке результатов его деятельности.

1 ТЕОРЕТИЧЕСКАЯ ЧАСТЬ

Обобщение статистических показателей, собранных в ходе статистического наблюдения, производится при помощи сводки и группировки.

Сводка представляет собой комплекс последовательных операций по обобщению конкретных единичных фактов, образующих совокупность, для выявления типичных черт и закономерностей, присущих изучаемому явлению в целом.

Группировка - это распределение множества единиц исследуемой совокупности по группам в соответствии с существенным для данной группы признаком. Метод группировки позволяет обеспечивать первичное обобщение данных, представление их в более упорядоченном виде. Благодаря группировке можно соотнести сводные показатели по совокупности в целом со сводными показателями по группам. Появляется возможность сравнивать, анализировать причины различий между группами, изучать взаимосвязи между признаками.

Группировка позволяет делать вывод о структуре совокупности и о роли отдельных групп этой совокупности. Именно группировка формирует основу для последующей сводки и анализа данных.

Признаки, по которым проводится группировка, называют группировочными признаками. Группировочный признак иногда называют основанием группировки. Правильный выбор существенного группировочного признака дает возможность сделать научно обоснованные выводы по результатам статистического исследования.

После определения группировочного признака и границ групп строится ряд распределения.

Рядом распределения в статистике называется ряд цифровых показателей, представляющих распределение единиц совокупности по одному существенному признаку, разновидности которого расположены в определенной последовательности.

Если для построения группировки используется только один признак, то такую группировку называются простой, если группировка проводится по нескольким признакам, ее называют сложной.

Процедура определения оптимального числа групп основана на применении формулы Стерджесса:

N - число единиц совокупности.

Из формулы видно, что выбор числа групп зависит от объема совокупности. Если групп оказывается много, и они включают малое число единиц, то групповые показатели могут стать ненадежными.

Определение числа групп тесно связано с понятием величина интервала: чем больше число групп, тем меньше величина интервала, и наоборот.

Интервал - разница между максимальным и минимальным значениями признака в каждой группе.

Каждый интервал имеет нижнюю (наименьшее значение признака) и верхнюю (наибольшее значение признака) границы или одну из них. Поэтому величина интервала представляет собой разность между верхней и нижней границами интервала.

Группировку с равными интервалами строят тогда, когда исследуются количественные различия в величине признака внутри групп одинакового качества, а также если распределение носит более или менее равномерный характер.

Величину равного интервала можно вычислить по формуле:

h - величина равного интервала;

x_max , x_min - наибольшее и наименьшее значения признака в совокупности;

Если величина равного интервала рассчитывается по данной формуле, то следует знаменатель предварительно округлить до целого числа (как правило, всегда большего), так как количество групп не может быть дробным числом.

1.1Виды группировок. Статистическая таблица

Виды группировок зависят от целей и задач, которые они выполняют. С помощью метода статистических группировок выделяют качественно однородные совокупности, изучают структуры совокупности и изменения, происходящие в них, а также решают задачи по исследованию существующих связей и зависимостей.

С известной мерой условности для выполнения этих задач группировки соответственно делят на типологические, структурные и аналитические.

Метод типологической группировки заключается в выявлении в качественно разнородной совокупности однородных групп. При этом очень важно правильно отобрать группировочный признак, который поможет идентифицировать выбранный тип. Типологические группировки широко применяются в исследовании социально-экономических явлений.

Метод структурной группировки есть разделение однородной совокупности на группы по тому или иному варьирующему группировочному признаку. На основе структурных изменений изучаются закономерности общественных явлений.

Метод аналитической группировки заключается в иссл едовании взаимосвязей между факторными признаками в качественно однородной совокупности. С помощью аналитических группировок удается выявлять признаки, которые могут выступать или причиной, или следствием того или иного явления. В аналитических группировках чаще всего используются неравные интервалы.

Результаты группировочного материала оформляются в виде таблиц, где он излагается в наглядно-рациональной форме. Не всякая таблица может быть статистической. Табличные формы календарей, тестовых и опросных листов, таблица умножения не являются статистическими.

Статистическая таблица - это цифровое выражение итоговой характеристики всей наблюдаемой совокупности или ее составных частей по одному или нескольким существенным признакам. Статистическая таблица содержит два элемента: подлежащее и сказуемое.

Различают простые, групповые и комбинационные таблицы.

В простых таблицах, как правило, содержится справочный материал, где дается перечень групп или единиц, составляющих объект изучения. При этом части подлежащего не являются группами одинакового качества, отсутствует систематизация изучаемых единиц. Сказуемое этих таблиц содержит абсолютные величины, отражающие объемы изучаемых процессов.

Групповые и комбинационные таблицы предназначены для научных целей, где, в отличие от простых таблиц, в сказуемом - средние и относительные величины на основе абсолютных величин.

Групповая таблица - это таблица, где статистическая совокупность разбивается на отдельные группы по какому-либо одному существенному признаку, при этом каждая группа характеризуется рядом показателей.

Комбинационная таблица - это таблица, где подлежащее представляет собой группировку единиц совокупности по двум и более признакам, которые распределяются на группы сначала по одному признаку, а затем на подгруппы по другому признаку внутри каждой из уже выделенных групп. Комбинационная таблица устанавливает существенную связь между факторами группировки. Такого рода статистические таблицы позволяют осуществить всесторонний анализ, но они менее наглядны.

При составлении таблиц необходимо соблюдать общие правила:

1.2. Статистическое изучение взаимосвязи социально -экономических явлений

В процессе статистического исследования зависимостей появляются причинно-следственные отношения между явлениями, что позволяет определить факторы, оказывающие существенное влияние на вариацию изучаемых явлений и процессов. Причинно-следственные отношения – это связь явлений и процессов, при которой изменение одного из них – причины – ведет к изменению другого – следствия.

При исследовании причинно-следственных связей необходимо четко выявлять временную последовательность: причина всегда должна предшествовать следствию, однако не каждое предшествующее событие следует считать причиной, а последующее – следствием.

Связи между признаками и явлениями классифицируются по ряду оснований. Признаки по значению для изучения взаимосвязи делятся на два класса. Признаки, обуславливающие изменение других, связанных с ними признаков, называются факторными. Признаки, изменяющиеся под воздействием факторных признаков, являются результативными.

Различают функциональную связь и стохастическую зависимость. Функциональной называют такую связь, при которой определенному значению факторного признака соответствует одно и только одно значение результативного признака. Если причинная зависимость проявляется не в каждом отдельном случае, а в общем, среднем при большом числе наблюдений, то такая зависимость называется стохастической. Частным случаем стохастической зависимости является корреляционная связь, при которой изменение среднего значения результативного признака обусловлено изменением факторных признаков.

По направлению выделяют связь прямую и обратную. При прямой связи с увеличением или уменьшением значений факторного признака происходит увеличение или уменьшение значений результативного. В случае обратной связи значения результативного признака изменяются под воздействием факторного, но в противоположном направлении по сравнению с изменением факторного признака.

По аналитическому выражению выделяют связи линейные и нелинейные.

Задача корреляционного метода состоит в количественном определении тесноты связи между признаками.

Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального характера, при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.

Различаются следующие варианты зависимостей: парная корреляция, частная корреляция, множественная корреляция.

Статистическое изучение взаимосвязи социально-правовых явлений ( реферат , курсовая , диплом , контрольная )

После изучения материалов этой главы обучающиеся должны: знать, понятие связи явлений и виды связей; методы оценки тесноты связи; методы нахождения формы связи;

уметь, оценивать тесноту связи по значению коэффициента корреляции; выделять факторные и результативные признаки статистической зависимости; определять форму зависимости между результативными и факторными признаками;

владеть: навыками расчета линейного коэффициента корреляции; навыками расчета коэффициента ранговой корреляции, но формуле Спирмена; навыками применения МНК для анализа взаимосвязей.

Статистические взаимосвязи признаков

Социально-правовые явления взаимосвязаны между собой, зависят друг от друга, представляют собой результат одновременного взаимодействия большого числа факторов, причем воздействующие факторы выступают как те или иные признаки изучаемой совокупности и их взаимодействие проявляется в статистической зависимости признаков.

При изучении конкретных зависимостей одни признаки выступают в качестве факторов, обусловливающих изменение других признаков. Признаки первой группы в дальнейшем будем называть факторными признаками, а признаки, являющиеся результатом влияния этих факторов, — результативными. Например, при изучении зависимости между уровнем преступности и уровнем безработицы уровень преступности является результативным признаком, а уровень безработицы — факторным признаком.

Рассматривая зависимость между признаками, необходимо выделить прежде всего две категории связей: 1) функциональные связи; 2) корреляционные связи.

Функциональные связи характеризуются полным соответствием между изменением факторного признака и изменением результативного признака, и каждому значению признака-фактора соответствует вполне определенное значение результативного признака, которое обычно можно вычислить по определенной математической формуле. Поскольку в этом случае результативный признак является функцией причинного признака, то и связь этих признаков называется функциональной. Функциональная связь величин чаще встречается в предметных областях точных наук, инженерно-технической сфере. Простым примером такой связи величин является зависимость пройденного расстояния (5) от времени движения (t), выражаемая (при равномерном прямолинейном движении со скоростью V) формулой S = V t.

Понятно, что в общественных явлениях мы почти не встречаемся с такими связями, так как наряду с влиянием интересующего нас фактора имеется влияние многих других факторов, что исключает возможность установления строго математической связи между данным фактором и каким-либо зависящим от него явлением; это лишь абстракции, полезные и необходимые при анализе явлений, но упрощающие реальность.

Социально-правовые процессы — это результат одновременного воздействия большого числа причин. Поэтому при их изучении необходимо выявлять главные, основные, сущностные, абстрагируясь от второстепенных, побочных 1 . Однако правовая статистика имеет дело главным образом с социально-правовыми явлениями и процессами, где нет жестких, однозначно полных и точных связей.

В статистике изучаются наблюдаемые значения признаков, поэтому стохастическую зависимость называют обычно статистической зависимостью ("https://referat.bookap.info", 9).

Наиболее важной статистической зависимостью является связь, устанавливающая зависимость между значениями факторного признака X и условным средним значением результативного признака У (вычисленным при фиксированном значении факторного признака X).

Условным средним у_х называется среднее арифметическое наблюдаемых значений результативного признака У, соответствующих X = х.

Например, если при х-2 признак У принял значения у^ = 3, у₂ = 8, у_ъ — 4, то условное среднее.

Функция у_х является функцией от х и обозначается у_х = ф (.г).

Зависимости такого рода называются регрессионными, а функция у_х = = ф (.г), отображающая изменение условной средней величины результативного признака У по мере изменения величины факторного признаках, называется функцией регрессии У на X. Данная форма связи результативного признака с факторным получила название уравнения регрессии. В зависимости от типа выбранного уравнения различают линейную и нелинейную регрессии, т. е. регрессии, выражаемые линейной и нелинейной функциями.

В зависимости от числа взаимосвязанных признаков, описывающих явление, различают парную и множественную регрессии. Если исследуется связь между двумя признаками (результативным и факторным), то регрессия называется парной, а если между тремя и более признаками — множественной регрессией.

Пример. ф (дг) = ах + b — парная линейная регрессия;

Ф (х) = ах 2 + Ьх + с — парная параболическая регрессия;

Проблема выявления статистической зависимости имеет две стороны: установление тесноты (силы) связи и определение формы связи.

Установлению тесноты (силы) связи посвящен корреляционный анализ, назначение которого — получить на основе имеющихся статистических данных ответы на следующие основные вопросы:

как выбрать подходящий измеритель статистической связи (коэффициент корреляции, корреляционное отношение, ранговый коэффициент корреляции и т. п. );

— как проверить гипотезу о том, что полученное числовое значение измерителя связи действительно свидетельствует о наличии статистической связи?

Определением формы связи занимается регрессионный анализ. При этом назначение регрессионного анализа — решение на основе имеющихся статистических данных следующих задач:

— выбор вида функции регрессии (выбор модели);
— нахождение неизвестных параметров выбранной функции регрессии;
— анализ качества функции регрессии и проверка адекватности уравнения эмпирическим данным;
— прогноз неизвестных значений результативного признака по заданным значениям факторных признаков.

На первый взгляд может показаться, что понятие регрессии сходно с понятием корреляции, так как в обоих случаях речь идет о статистической зависимости между исследуемыми признаками. Однако на самом деле между ними есть существенные различия. Регрессия подразумевает причинную взаимосвязь, когда изменение условного среднего значения результативного признака происходит вследствие изменения факторных признаков. Корреляция же ничего не говорит о причинной зависимости между признаками, т. е. если установлено наличие корреляции между X и У, то этот факт не подразумевает того, что изменения значений X обусловливают изменение условного среднего значения Y. Корреляция всего лишь констатирует факт того, что изменения одной величины в среднем соотносятся с изменениями другой.

Читайте также: