1.8.1. Статистическое изучение взаимосвязей, их классификация.
1.8.2. Задачи изучения взаимосвязей.
1.8.3. Понятие корреляционно-регрессионного анализа, условия его применения.
1.8.4. Показатели тесноты связи, линейный коэффициент корреляции.
1.8.5. Меры оценки тесноты связи для атрибутивных признаков.
1.8.1. Статистическое изучение взаимосвязей, их классификация
Статистическое изучение взаимосвязей является одним из важнейших разделов статистики. Изучение взаимосвязей между различными явлениями общественной жизни позволяет предсказывать развитие процессов, зависимых от других, и, в конечном счете, оказывать на них влияние. Таким образом, изучение связей позволяет от объяснения фактов перейти к изменению фактов.
Взаимосвязь - это совместное согласованное изменение двух или нескольких признаков.
Присутствие взаимосвязи между различными явлениями, процессами выражается во взаимосогласованном изменении статистических данных, описывающих эти процессы.
Например, стаж работы является одним из факторов роста производительности труда. Поэтому увеличение стажа, как правило, приводит к росту выработки. Статистические данные отражают согласованность в изменении обоих показателей.
Все многообразие взаимосвязей принято классифицировать по различным признакам: Форма проявления:
причинно-следственные связи - в том случае, когда из двух взаимодействующих признаков можно выделить причину и следствие, признак-фактор (х) и признак-результат (х ).
Например, взаимосвязь между объемом производимой продукции и себестоимостью единицы продукции проявляется следующим образом: с увеличением объема производимой продукции себестоимость единицы продукции снижается. Здесь, объем продукции - признак-фактор, а себестоимость - признак результат.
Связи соответствия - в случае, когда нет возможности выделить причину и следствие, в частности оба согласованно меняющихся признака являются следствиями третьего признака. Механизм связи:
Функциональная;
Стохастическая (статистическая).
Под функциональной зависимостью между явлениями понимается такая связь, которая может быть выражена для каждого случая вполне определенно строгой математической формулой. При функциональной зависимости каждому значению одной величины соответствует одно или несколько, но вполне определенных значений другой величины. Например, отношения между стороной и площадью квадрата (S = а 2 ), временем и путем при движении с постоянной скоростью (S = vt ) и тому подобными величинами, часто встречающимися в геометрии, механике. Для массовых социальных явлений характерны зависимости другого рода, возникающие в результате взаимодействия многих причин и условий и осложненные действием объективной случайности и ошибок наблюдения. Выразить подобные зависимости с помощью однозначных, точных формул, пригодных для описания каждого отдельного случая невозможно.
При статистической связи разным значениям одной переменной соответствуют разные распределения значений другой переменной.
Частным случаем статистической связи является корреляционная связь.
Корреляционная зависимость - взаимосвязь между признаками, состоящая в том, что средняя величина значений одного признака меняется в зависимости от изменения другого признака (например, зависимость между выработкой и стажем работы, между числом судимостей преступника и временем его нахождения на свободе между ними и др.). Здесь, в отличие от функциональной зависимости, в индивидуальных случаях при определении значения одного признака могут быть разные значения другого, то есть совсем не обязательно, что обнаруженная связь будет подтверждаться в каждом конкретном случае.
Например, изменение профессорско-преподавательского состава в сторону увеличения числа
преподавателей, имеющих ученую степень, приводит в конечном итоге к повышению качества образования. Но это не значит, что каждый отдельно взятый выпускник будет обладать большим набором знаний, чем выпускник учебного заведения, имеющего более «слабый» преподавательский состав.
Следовательно, в статистическом анализе корреляционные зависимости проявляются не между каждой парой сопоставляемых данных, а между изменениями в рядах распределения множества соответствующих величин.
Кроме того, что корреляционная зависимость не имеет функционального характера, следует учитывать две ее особенности:
Вывод может быть сделан только на основе анализа достаточно больших статистических совокупностей, позволяющих по строить относительно длинные статистические ряды;
- желательно, чтобы число наблюдений было не менее чем в 5-6 раз больше числа факторов.
Корреляционный анализ имеет смысл лишь в тех случаях, когда возможность причинной связи между анализируемыми признаками теоретически обоснована хотя бы на уровне содержательной гипотезы.
Если с изменением значения признака среднее значение другого признака не изменяется закономерным образом, но закономерно изменяется другая статистическая характеристика (например, показатели вариации), то связь не является корреляционной, но является статистической.
В случае статистической связи предполагается, что оба признака имеют случайную вариацию индивидуальных значений относительно средней величины, то есть каждый из признаков принимает несколько случайных значений. В том случае, если такую вариацию имеет один из признаков, а значения другого являются жестко детерминированными, то говорят о регрессии, но не о статистической связи. При анализе динамических рядов можно измерять регрессию уровней ряда (имеющих случайную колеблемость) на номера лет. Например, динамика производства продукции. Но, нельзя говорить о корреляции (взаимосвязи) между выпуском продукции и временем и оценивать между ними тесноту связи.
Направление связи:
Обратные.
В том случае, если при увеличении признака-фактора растет признак-результат, говорят о прямой корреляционной связи. Например, чем выше уровень алкоголизации общества, тем выше преступность, причем преступность специфичная («пьяная»). Если при увеличении признака-причины уменьшается признак-результат, говорят об обратной корреляционной зависимости. Например, чем выше социальный контроль в обществе, тем ниже преступность.
Форма связи:
Прямолинейные;
Криволинейные.
И прямые, и обратные связи могут быть прямолинейными и криволинейными. Математически прямолинейные связи могут быть описаны с помощью уравнения прямой:
y = а + вх,
где у - признак-результат; х - признак-фактор.
Криволинейные связи носят иной характер. Возрастание величины факторного признака оказывается неравномерное влияние на величину результирующего признака.
Например, связь преступлений с возрастом нарушителей. Вначале криминальная активность лиц растет прямо пропорционально увеличению возраста (приблизительно до 30 лет), а затем начинает снижаться. Математически такие связи описываются с помощью кривых (гиперболы, параболы).
Прямолинейные корреляционные связи могут быть однофакторными, когда исследуется связь между одним признаком-фактором и одним признаком-следствием {парная корреляция). Они могут быть многофакторными, когда исследуется влияние многих взаимодействующих между собой признаков-факторов на признак-следствие (множественная корреляция).
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Подобные документы
Предмет и метод статистики. Сущность и основные аспекты статистического наблюдения. Ряды распределения. Статистические таблицы. Абсолютные величины. Показатели вариации. Понятие о статистических рядах динамики. Сопоставимость в рядах динамики.
шпаргалка , добавлен 26.01.2009
Рассмотрение процесса ревизии в бухгалтерии предприятия налоговыми органами с точки зрения статистического наблюдения. Выбор из исходных данных абсолютной статистической величины. Представление статистических данных. Средние величины. Показатели вариации.
контрольная работа , добавлен 28.05.2015
Абсолютные и относительные статистические показатели, методы прогнозирования. Закон распределения вероятностей дискретной случайной величины. Оценки параметров генеральной совокупности. Статистическое исследование социально-экономического потенциала.
шпаргалка , добавлен 16.05.2012
Средние величины и показатели вариации. Агрегатные индексы физического объёма товарной массы. Группировка статистических данных. Индивидуальные и сводный индексы себестоимости единицы продукции. Показатели ряда динамики. Расчёт стоимости основных средств.
контрольная работа , добавлен 04.06.2015
Абсолютные и относительные статистические величины. Понятие и принципы применения средних величин и показателей вариации. Правила применения средней арифметической и гармонической взвешенных. Коэффициенты вариации. Определение дисперсии методом моментов.
учебное пособие , добавлен 23.11.2010
Предмет и метод статистики. Группировка и ряд распределения. Абсолютные, относительные, средние величины, показатели вариации. Выборочное наблюдение, ряды динамики. Основы корреляционного и регрессионного анализа. Статистика населения и рынка труда.
методичка , добавлен 16.02.2011
Сводка и группировка материалов статистического наблюдения. Абсолютные, относительные и средние величины, показатели вариации. Ряды динамики, индексный анализ. Проведение корреляционно-регрессионного анализа таблиц о сборе урожая и внесении удобрений.
курсовая работа , добавлен 14.05.2013
Общая характеристика органов пенсионного обеспечения, организация работы органов Пенсионного фонда Российской Федерации. Статистические показатели и их расчет: средние величины, показатели вариации, ряды динамики, индексы, трендовый анализ, группировка.
курсовая работа , добавлен 15.06.2010
При изучении различных экономических явлений постоянно сталкиваемся с причинно-следственными связями, когда некоторые явления, именуемые причинами, порождают другое явление, именуемое следствием (результатом). Причины будем называть факторными признаками или просто факторами, а результат – результативным признаком. Изучение и измерение связей между причинами и следствием проводятся с помощью статистических методов.
Основной задачей корреляционного анализа является измерение тесноты связи между переменными (случайными величинами) путем точечной и интервальной оценок соответствующих коэффициентов (характеристик).
С помощью корреляционного анализа производиться отбор факторов, оказывающих наиболее существенное влияние на результативный признак (на основании степени связи между ними), обнаружение ранее неизвестных причинных связей.
Корреляция непосредственно не выявляет причинных связей между переменными, но устанавливает численное значение тесноты этих связей и достоверность суждений об их наличии.
Пусть требуется изучить влияние на экономический показатель Y факторов X 1 ,X m .
Рассматривая зависимость между результативным показателем Y и факторными признаками X 1 ,X m , можно выявить две категории связей:
1) Функциональную зависимость;
2) Корреляционную зависимость;
Функциональные связи характеризуются полным соответствием между изменением факторных признаков и изменением результативной величины, то есть каждому конкретному набору значений факторов соответствует определенное значение результативного признака.
В экономике имеем дело, как правило, с явлениями и процессами, где нет таких жестких связей. Причинная обусловленность экономических явлений связана с огромной совокупностью взаимозависимых обстоятельств. Число обстоятельств (факторов), которые влияют на исследуемый экономически показатель, достигает несколько сотен.
Связь между причинами и следствием многозначна и носит вероятностный характер. В данном, случаем имеет место корреляционная зависимость.
В корреляционных связях между измерением факторов и результативного признака нет полного соответствия. Воздействие отдельных факторов проявляется лишь в среднем при массовом наблюдении фактических данных. Дело в том, что выделенные факторы не являются единственной причиной изменения результативного показателя. Наряду с ним на величину Y влияет множество других причин.
Поэтому для одного и того же набора значений факторов значение Y может оказаться различным. Таким образом, одновременное воздействие на изучаемый признак Y большого количества самых разнообразных факторов приводит к тому, что одному набору значений факторов соответствует целое распределение значений результативного признака Y .
При сравнении функциональных и корреляционных зависимостей следует иметь ввиду, что при наличии функциональной зависимости можно, зная значение факторов, точно определить величину Y . При наличии же корреляционной зависимости устанавливается лишь тенденция изменения Y при изменении факторов.
При исследовании корреляционных зависимостей необходимо:
1) Установить факт наличия связи, определить ее направления и форму;
2) Измерить степень тесноты связи между признаками;
3) Найти аналитическое выражение связи, то есть построить регрессионную модель;
4) Оценить адекватность модели и дать ее интерпретацию.
Для того, чтобы результаты корреляционного анализа дали желаемый результат, должны выполняться определенные требования в отношении отбора объекта исследования и признаков-факторов. Одним из важнейших условий правильного применения методов корреляционного анализа являются требования односторонности тех объектов, которые подвергаются изучению. Другим важным требованием, обеспечивающим надежность выводов корреляционного анализа, является требование достаточного числа наблюдений. Кроме того, большое значение имеет отбор факторов, оказывающих влияние на результативный показатель. Включаемые в рассмотрение факторы-признаки должны быть по возможности независимыми друг от друга, так как наличие тесной связи между ними свидетельствует о том, что они характеризуют одни и те же стороны изучаемого явления и в значительной мере дублируют друг друга.
Следует заметить, что все основные положения корреляционного анализа разработаны в предположении о нормальном характере распределения рассматриваемых признаков (случайных величин). В действительности сталкиваемся с теми или иными отклонениями от исходных предпосылок. Но это не означает, что следует отказаться от применения методов корреляционного анализа.
В корреляционном анализе различают следующие варианты зависимостей:
1) Парную корреляцию – связь между двумя признаками (результативным и факторным или двумя факторными);
2) Частную корреляцию – зависимость между результативным и одним факторным признаками при фиксированных значениях других факторных признаков;
3) Множественную корреляцию – зависимость между результативным и двумя и более факторными признаками.
Конец работы -
Эта тема принадлежит разделу:
Предмет, задачи и методы эконометрики
Цели и задачи изучения темы.. изучить предмет задачи и методы эконометрики.. основные понятия эконометрики измерения в экономике наблюдение сводка и группировка статистических данных..
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
| Твитнуть |
Все темы данного раздела:
Наблюдение, сводка и группировка статистических данных
Объект наблюдения – явление или совокупность явлений, информацию о которых собирают в процессе наблюдения. В зависимости от цели наблюдения объектами наблюдения могут стать различные территории, от
Цели и задачи изучения темы
изучить понятия статистического ряда распределения, вариационного ряда распределения (дискретного/интервального); исследовать статистическое распределение выборки; определять величины интервала; из
Статистическим распределением выборки
Статистическим распределением выборкиназывают перечень вариант и соответствующих им частот (или относительных частот).
Статистическое распределение выборки можно задать в виде таблицы, в п
Определение величины интервала. Формула Стерджесса
Величина интервала - разность между наибольшим и наименьшим значениями признака в каждой группе, называемыми границами интервала.
Графический способ изображения статистических данных
Графическим способом изображения статистических данных называют их условное изображение при помощи точек, линий, плоскостей, геометрических фигур и условных знаков. Графики в статистике применяются
Результаты сводки и группировки материалов статистического наблюдения оформляются в виде статистических рядов распределения.
Статистический ряд распределения представляет собой упорядоченн
Цели и задачи изучения темы
изучить абсолютные и относительные величины; средние величины (понятие средней величины, формула степенной средней, формула средней геометрической, свойство мажорантности средних, мода, медиана, фо
Абсолютные и относительные величины
В результате статистического наблюдения, сводки и группировки собранного статистического материала получена разносторонняя информация об изучаемых процессах и явлениях. Итоговые данные по изучаемой
Средние величины
Средняя величина представляет собой обобщенную характеристику совокупности однородных явлений по какому-либо одному количественно варьируемому признаку.
Средние величины играют важную роль
Показатели вариации признака
Под вариациейв статистике понимают такие количественные изменения величины исследуемого признака в пределах однородной совокупности, которые обусловлены перекрещивающимся влиянием действия различны
Различают два вида обобщающих показателей, характеризующих количественную сторону исследуемых явлений и процессов: абсолютные и относительные.
Абсолютные показатели - именованные числа, им
Законы распределения случайных величин
Числовые характеристики случайных величин
Закон распределения полностью характеризует случайную величину. Однако он часто неизвестен. В ряде случаев даже удобнее пользоваться числами, которые описывают случайную величину суммарно. Такие чи
Экономические показатели, как правило, являются случайными величинами.
Случайной величиной называется величина, которая в результате опыта (испытания) может принять одно и только одно возм
Закон равномерной плотности
На практике встречаются непрерывные случайные величины, о которых заранее известно, что их возможные значения лежат в пределах некоторого определенного интервала. Кроме того, известно, что в предел
Показательное распределение
Показательным (экспоненциальным) называют распределение вероятностей величины Х, которое описывается плотностью
Нормальный закон распределения
Нормальный закон распределения (закон Гаусса) характеризуется плотностью
В экономике часто вст
Усеченные законы распределения
Пусть случайная величина Химеет функцию распределения F(x), заданную на всей числовой оси. Выберем на этой оси интересующий нас отрезок }
