/ / Korrelasjonskoeffisient - karakteristisk for korrelasjonsmodellen

Korrelasjonskoeffisient - karakteristisk for korrelasjonsmodellen

Korrelasjonsmodell (CM) er et programberegning, og gir en matematisk ligning der resultatindikatoren kvantifiseres avhengig av en eller flere indikatorer.

yx = a0 + a1x1

hvor: y - den resulterende indikatoren, avhengig av faktoren x;

x er en faktor karakteristikk;

a1 er CM-parameteren som viser hvor mye den resulterende eksponenten y vil endres ettersom faktor x endres med en, dersom alle andre faktorer som påvirker y, forbli uendret i dette tilfellet

ao er CM-parameteren, som viser innflytelsen av alle andre faktorer på den resulterende eksponenten y, bortsett fra faktortegnet x

Når du velger produktiv og faktorialdet er nødvendig å ta hensyn til at den resulterende indikatoren i kjeden av årsakssammenheng relasjoner er på et høyere nivå enn faktorindeksene.

Egenskaper for korrelasjonsmodellen

Etter beregning av parametrene til korrelasjonsmodellen beregnes korrelasjonskoeffisienten.

p er koeffisienten av par korrelasjon, -1 ≤ p ≤ 1,viser styrken og retningen av påvirkningsfaktoren på den resulterende. Jo nærmere 1, jo sterkere forbindelsen, jo nærmere 0, jo sterkere forbindelsen. Hvis korrelasjonskoeffisienten har en positiv verdi, er forbindelsen direkte, dersom negativet er omvendt.

Korrelasjonskoeffisienten av formelen: pxy = (xy-x * 1 / y) / ex * yy

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

Hvis CM er en lineær multifaktor, har formen:

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

da beregnes en multipel korrelasjonskoeffisient for den.

0 ≤ Р ≤ 1 og viser styrken av innflytelsen av alle faktorfaktorene sammen på den resulterende.

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

Hvor: uh - resultatindikatoren - den beregnede verdien;

yi - faktisk verdi;

faktisk verdi, gjennomsnittlig.

Den beregnede verdien yx er oppnådd som et resultat av substitusjon i korrelasjonsmodellen for x1, x2 og så videre. deres faktiske verdier.

For de one-factor og multifactor ikke-lineære modellene beregnes korrelasjonsforholdet:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

Det antas at forholdet mellom produktive ogFaktorene som er inkludert i modellen, er svake dersom verdien av forbindelsens tetthet (m) ligger innenfor området 0-0.3; hvis 0,3-0,7 - tettheten til forbindelsen er gjennomsnittlig; over 0,7-1 - forbindelsen er sterk.

Siden korrelasjonskoeffisienten (par) p,Korrelasjonskoeffisienten (multiple) R, korrelasjon forholdet m - sannsynlighetsverdi, som beregnes for koeffisientene i deres signifikans (definert av tabeller). Hvis disse koeffisientene er større enn deres tabellverdi, er stramningskoeffisientene til forbindelsen signifikante årsaker. Dersom ikke det vesentlige tetthets koplingskoeffisientene mindre enn tabellverdier eller hvis egen- koblingskoeffisient er mindre enn 0,7, at modellen ikke omfatte alle faktorielle parametere som i vesentlig grad påvirker resultatet.

Bestemmelseskoeffisienten viser tydelig hvordan prosentandelen som inngår i modellen, bestemmer dannelsen av resultatet.

D = P2 * 100%

D = p2 * 100%

D = m2 * 100%

Hvis bestemmelseskoeffisienten er større enn 50, daModellen beskriver tilstrekkelig prosessen under undersøkelse, om mindre enn 50, må vi gå tilbake til første fase av konstruksjonen og se gjennom valg av faktorindikatorer for inkludering i modellen.

Fisher-koeffisienten eller Fisher-testenkarakteriserer effektiviteten av modellen som helhet. Hvis den beregnede andel er over bordet, er det inne modellen er velegnet for analyse, så vel som indikatorer for planlegging for fremtiden oppgjør. Omtrent bordverdien = 1,5. Hvis den beregnede verdien er mindre enn bordet, må du først bygge en modell, herunder vesentlige faktorer som påvirker resultatet. I tillegg til effektiviteten av den totale modell å påvirke hver regresjon koeffisient. Hvis den beregnede verdi for dette forhold overskredet i størrelsesorden tabell, er regresjonskoeffisienten betydelig hvis mindre, da faktoren parameter, for hvilken den beregnede koeffisient blir fjernet fra prøveberegninger begynne igjen, men uten at denne faktoren.

Les mer: