Прежде чем обсуждать вопросы использования уравнений парной регрессии, напомним, что парный корреляционный анализ не дает чистых мер влияния только одного изучаемого фактора. Если факторы взаимосвязаны, то парная связь измеряет влияние данного фактора и часть влияния прочих факторов, связанных с ним. И все же при тесной связи уравнение регрессии может стать полезным орудием анализа экономических, технологических, социальных или природных процессов. [c.250]
Корреляционный анализ имеет своей задачей количественное определение тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных при- [c.112]
При функциональной форме мультиколлинеарности по крайней мере одна из парных связей между объясняющими переменными является линейной функциональной зависимостью. В этом случае матрица Х Х особенная, так как содержит линейно зависимые векторы-столбцы и ее определитель равен нулю, т. е. нарушается предпосылка 6 регрессионного анализа. Это приводит к невозможности решения соответствующей системы нормальных уравнений и получения оценок параметров регрессионной модели. [c.108]
Анализ парных зависимостей себестоимости и основных технико-экономических Параметров металлорежущих станков указывает на существование определенной формы связи, которая может быть выражена в виде степенной зависимости. Например, зависимость себестоимости проектируемого металлорежущего станка по различным проектным вариантам от его веса имеет вид [c.166]
Для выяснения формы связи основных параметров машины и ее себестоимости обычно проводят анализ парной зависимости изменения себестоимости от какого-либо одного параметра. По [c.121]
Очевидно, что парной статистической группировке, как и парной корреляции и регрессии, присущи серьезные недостатки, затрудняющие применение их для более тонкого экономического анализа. Это было особенно заметно при рассмотрении примера изучения связи между объемом выпуска цемента, численностью производственных рабочих и размерами основных фондов. Изучение только парных связей между объемом выпуска цемента, с одной стороны, и численностью рабочих и размером основных фондов, — с другой, не дает возможности сделать сколько-нибудь обоснованные выводы о влиянии изменения числа рабочих и размера основных фондов на объем выпуска цемента. Действительно, на объем выпуска цемента совокупно влияют численность рабочих и размер основных фондов. Кроме того, ( и это вносит уже существенные осложнения) численность рабочих тесно связана с размером основных фондов. Поэтому, применив приемы, диктуемые парной корреляцией и регрессией, мы должны были подыскать довольно сложный подход. [c.126]
Итак, цель задачи — анализ статистической связи шести параметров полупроводникового прибора. Обозначим эти параметры Xi, xz, x3, 4> хь, хв. Между собой они причинно не связаны. В соответствии с нормами технических условий из общей массы выделялись годные приборы и анализировалась как вся масса приборов, так и годные. Это позволило попытаться уловить различие во взаимосвязи параметров приборов до и после их отбраковки. Эмпирические корреляционные отношения рассчитывались только для годных приборов, поскольку разброс параметров для всей совокупности приборов был настолько велик, что подсчитывать корреляционные отношения не имело смысла. Доверительные интервалы ввиду большого объема выборки подсчитывались по формуле [37]. Сравнение парных коэффициентов корреляции с эмпирическими отношениями использовалось для проверки линейности связи между параметрами. Эмпирическому корреляционному отношению приписывается тот знак, который имеет парный коэффициент корреляции. Связь считается линейной, если корреляционное отношение попадает в доверительный интервал для парного коэффициента корреляции. Может показаться, что мы противоречим высказанному выше утверждению о том, что не существует формальных методов, позволяющих определить форму связи. Однако в данном случае мы говорим не об определении формы связи с целью, например, нахождения параметров уравнения регрессии и дальнейшей интерпретации или экстраполяции в каком-либо виде. Единственная наша забота состоит в том, чтобы парные коэффициенты корреляции (или иные оценки тесноты связи) были действительными характеристиками связи. В табл. 94 приведены в первой строке каждой клетки — парный коэф- [c.188]
То, что шкала измерения W (т) не включает в себя отрицательных значений, объясняется следующим обстоятельством. В отличие от случая парных связей при анализе т (т 3) порядковых переменных противоположные понятия согласованности и несогласованности утрачивают прежнюю симметричность (относительно нуля) упорядочения, произведенные [c.118]
Таким образом, уже на этапе анализа парных взаимосвязей со всей очевидностью проступают различия двух групп имений по способу ведения хозяйства. Еще более отчетливо они обнаруживаются при выделении групп признаков, находящихся в тесной взаимной связи каждый с каждым. Об этом свидетельствуют коэффициенты корреляции, превышающие 0,70, так как в этом случае различия результативного признака более чем на 50 % зависят от изменений воздействующего. на него признака-фактора. [c.163]
Определение влияния отдельных факторов на производительность труда на основе парной корреляционной модели (вид I) позволяет установить связь между исследуемым фактором и производительностью труда при условии, что влияние всех остальных факторов является несущественным. Однако полученное при этом абсолютное значение выработки не точно, поскольку не учтено влияние всех других факторов. Такое уравнение может быть использовано для предварительного определения порядка изменения уровня производительности труда или для анализа воздействия только этого, отдельно взятого фактора на конечный результат. Например, уравнение зависимости между производительностью труда одного рабочего и уровнем сборности имеет вид [c.261]
Анализ проведенных расчетов по Миннефтепрому показал, что основное влияние на величину удельного расхода оказывают затраты времени на работы по проводке скважин t, Р Так, коэффициент парной корреляции Z/yz 0, 983. Это свидетельствует с достоверностью 0, 99 о наличии между ними линейной связи. Влияние же остальных двух факторов для данного объема наблюдений оказалось несущественным. Это подтвердилось и полученными значениями функции Фишера, характеризующими влияние факторов. (Методика использования критерия Фишера изложена в статье ( 1 ) этого же сборника). Соответствующее уравнение регрессии для Миннефтепрома имеет следующий вид [c.50]
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 [c.16]
Следующий этап исследования — определение тесноты связи между факторами и исследуемым показателем, а также между самими факторами с применением методов корреляционного анализа. На этом этапе вычисляют парные и частные коэффициенты корреляции и другие показатели, характеризующие тесноту корреляционной связи между переменными. [c.28]
Приемы корреляционного анализа используются для измерения влияния факторов в стохастическом анализе, когда взаимосвязь между показателями неполная, вероятностная. Различают парную и множественную корреляцию. Парная корреляция - это связь между двумя показателями, один из которых является факторным, а другой -результативным. Множественная корреляция возникает от взаимодействия нескольких факторов с результативным показателем. [c.64]
Самая общая и типичная статистическая задача в экономическом анализе — изучение наличия, направления и интенсивности связей между показателями. Это первый этап познания закономерностей формирования результатов хозяйственной деятельности. Предположение о наличии и тесноте связи делается в случае выявления общих закономерностей в вариации значений изучаемых показателей. Источник возникновения этих общих закономерностей может быть разным — причинно-следственная связь между показателями, зависимость от общего фактора, случайное совпадение элементов вариации. Задача экономического анализа — раскрыть качественную основу взаимосвязи между количественными характеристиками экономических процессов. Стохастическое исследование связи происходит с помощью методов корреляционного анализа — коэффициентов и отношений корреляции. При этом в зависимости от характера исходной информации применяются разные приемы корреляционного анализа оценка парной корреляции между показателями с цифровой шкалой измерения ранговая корреляция и коэффициенты, рассчитанные по так называемым матрицам сопряженности для анализа связей между качественными показателями каноническая корреляция для анализа связи между группами показателей частная корреляция, которая позволяет исследовать связь между двумя [c.111]
Методы корреляционного и регрессионного анализа используются в комплексе. Наиболее разработанной в теории и широко применяемой на практике является парная корреляция, когда исследуются соотношения результативного признака и одного факторного признака. Это — однофакторный корреляционный и регрессионный анализ. Именно такой анализ является основой для изучения многофакторных стохастических связей. [c.70]
Для изучения влияния одних процентных ставок на другие целесообразно проводить корреляционно-регрессионный анализ, позволяющий измерить тесноту связи между изучаемыми показателями (корреляционный анализ) и определить теоретическую форму связи между ними (регрессионный анализ). Прежде всего необходимо получить подтверждение о том, что связь между двумя или более изучаемыми показателями существует, а затем измерить ее. Применение тех или иных методов корреляционного анализа зависит от целей исследования. В случае парной корреляции, т.е. когда анализу подвергается влияние одного показателя (фактора, х) на другой (результат, у), чаще всего используют линейный коэффициент корреляции. В случае множественной корреляции, т.е. когда проводят анализ влияния нескольких факторов (л , х . ... л ) на результат (у), как правило, рассчитывают парные, частные и совокупный коэффициенты корреляции. [c.622]
После проведения корреляционного анализа принимается решение о целесообразности построения уравнения регрессии, с помощью которого определяется аналитическое выражение формы связи между отдельными видами процентных ставок. С помощью регрессионного анализа выявляется изменение одной величины (результата) под влиянием одного или нескольких факторов, а множество прочих причин, оказывающих влияние на результат, принимается за постоянные и средние значения. Регрессия может быть однофакторной (парной) и многофакторной (множественной). Подбор аналитических функций (линейных и криволинейных) для построения уравнения регрессии осуществляется аналогично подбору функций для уравнения тренда. На практике теоретическая форма связи определяется с использованием пакета статистических программ на ПЭВМ. Для наглядного изображения теоретической формы связи значения показателей, полученные с помощью уравнения регрессии, наносят на график и сравнивают их с эмпирическими данными. [c.624]
Рассмотрим фактический пример анализа корреляционной парной линейной связи по данным 16 сельхозпредприятий о затратах на 1 корову и о надое молока на корову. Ограниченный объем совокупности принят только в учебных целях, чтобы избежать приведения громоздких таблиц (табл. 8.1). [c.243]
Например, по выборке объемом 32 единицы получен парный коэффициент корреляции 0,319. Число степеней свободы для него равно 30, поскольку в расчете г участвуют две величины, значения которых закреплены - J и у. За счет этого мы теряем две степени свободы 32 - 2. Так как критическое значение для 30 степеней свободы равно (при уровне значимости 0,05) 0,3494, то полученное значение ниже критического по модулю. Соответственно, гипотеза о связи признаков надежно не доказана. Неверен вывод и об отсутствии связи - он также надежно не доказан. Из табл. 5 приложения видно, что при малой выборке надежно можно установить только тесные связи, а при большой численности совокупности, например, 102 единицы, надежно измеряются и слабые связи. Этот вывод важен для практической работы по корреляционному анализу. [c.250]
Алгоритм расчетов при корреляционном анализе связи парной корреляции состоит из ряда этапов. [c.50]
Регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной величины (называемой зависимой, или результативным признаком) обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения. Регрессия может быть однофакторной (парной) и многофакторной (множественной). [c.113]
При построении параметрических рядов машин, как и при любом экономическом анализе, недостаточно дать направление влияния (прямая, обратная связь) отдельных факторов на величину затрат, а необходимо знать и количественную сторону этого влияния. Конструкторы, чтобы изучить характер и степень влияния одних факторов на другие, производят наблюдения или опыт, измеряя значение одного фактора при разных значениях другого при условии постоянства значений прочих факторов. Экономист практически лишен возможности провести такой опыт. Поэтому только глубокий анализ отчетных и плановых данных позволяет ему выявить формы связи и степень влияния между факторами. Такой анализ может быть проведен с помощью методов математической статистики, а именно с помощью корреляционного анализа, который позволяет определить форму и степень влияния (тесноту связи) как отдельных факторов (в случае исследования парной зависимости), так и групп факторов (при исследовании множественной зависимости на исследуемую величину). [c.48]
Форма связи в случае невозможности математически точного ее выражения определяется при анализе графиков парной зависимости между фактором и исследуемой величиной, построенных на основании плановых или отчетных данных. В экономических связях факторов преобладают следующие формы линейная, степенная, показательная. [c.48]
Отбор параметров осуществляется количественным анализом с использованием метода парной корреляционной зависимости, в результате которого устанавливается степень влияния каждого на себестоимость. Далее для наиболее существенно влияющих на себестоимость параметров проверяется теснота их связи между собой. В результате проведенного анализа параметров исследуемой токарной группы станков были установлены определенные зависимости между отдельными параметрами. Остановимся более подробно на некоторых из них. [c.126]
Четвертым методом экономического анализа является математическое моделирование, т. е. построение математических моделей, отражающих внутренние связи между показателями и факторами. С помощью математических моделей удается определить нормативный или расчетный уровень таких важных показателей, как себестоимость, цена, трудоемкость. Математическое моделирование базируется на теории вероятностей, математической статистике, линейной алгебре и других разделах математики, поэтому экономический анализ называют иногда экономико-статистическим. Математические модели (парной или множественной корреляции) не дают точного отражения реального экономического процесса. Формализация зависимостей и связей всегда связана с рядом допущений. Тем не менее точность получаемых с помощью моделей результатов обычно вполне удовлетворительна. Очень часто математические модели изображают в виде номограмм и графиков, которые позволяют наглядно показать зависимости и быстро получить результат, не прибегая к вычислениям. [c.187]
Необходимость все более глубокого обоснования планов, их оптимизации требует рассмотрения многих возможных вариантов, сложных многофакторных аналитических расчетов, которые невозможны без применения аппарата математической статистики и в первую очередь регрессионного и вариационного анализа, теории массового обслуживания. В первое время для экономического анализа применялись счетно-перфорационные машины, не только ускорившие расчеты, но и позволившие получать некоторые группировки информации, расчет дисперсий и других отклонений от средних величин, расчеты парных корреляций. Последние годы характеризуются нарастающим использованием для аналитической работы электронно-вычислительных машин, что дало возможность охватывать большое число связей, зависимостей, сторон данного экономического процесса или явления. Особенно меняется методика и организация экономического анализа в условиях автоматизированной системы управления производством (АСУП), целиком построенной на принципах применения электронно-вычислительных машин и экономико-математических методов. [c.10]
Модели парной регрессии. Парная линейная регрессия. Методы оценки коэффициентов регрессии. Метод наименьших квадратов (МНК). Свойства оценок МНК. Оценка статистической значимости коэффициентов регрессии. Элементы корреляционного анализа. Измерители тесноты связи (коэффициенты ковариации, корреляции и детерминации). Оценка значимости коэффициента корреляции. Дисперсионный анализ результатов регрессии. Оценка статистической значимости уравнения регрессии. Анализ ряда остатков условия Гаусса-Маркова. Нелинейные модели регрессии и их линеаризация. Выбор функции регрессии тесты Бокса-Кокса. Корреляция в случае нелинейной регрессии. Средняя ошибка аппроксимации. [c.3]
В прогнозирований методы экстраполяционных трендов дополняются методами корреляции трендов, в рамках которых исследуется связь между различными тенденциями в целях установления их взаимного влияния и, следовательно, повышения качества прогнозов. Корреляционный анализ может исследовать взаимосвязь между двумя показателями (парная корреляция) или между многими показателями (множественная корреляция). [c.130]
В признаке ul (суммарный объем расхода за интервал) сгруппированы два нормообразующих фактора (rt, ). Это позволяет при анализе несколько упростить рассматриваемую проблему свести рассмотрение вопроса (трехфакторной модели)2 к оценке наличия или отсутствия парной корреляции связи только между двумя факторными признаками — объемом поставки и сгруппированным фактором и[ — произведением интервала поставки и объема суточного отпуска (т.е. расхода). При этом первый факторный признак — объем поставки характеризует процесс прихода, а второй факторный признак (сгруппированные факторы — и ) — процесс расхода. [c.205]
Таким образом, приемы обычного статистического анализа, развитые в теории парных группировок, доставляют нам некоторую информацию о взаимосвязи отдельных экономических показателей—они довольно точно устанавливают тенденцию изменения одного показателя в зависимости от изменения другого и дают возможность очень приближенно и качественно определить интенсивность таких связей. В этом смысле парные группировки уже представляют собой элементарную статистическую модель взаимосвязи явлений. [c.53]
Если проанализировать лишь парные коэффициенты корреляции, может показаться, что на размер улова рыбы существенно влияют три фактора количество рейсов, время траления судна и время нахождения его на лове. Однако связь между временем траления и временем нахождения судна на лове тоже высока. Такой уровень связи легко объяснить время чистого траления, по существу, часть времени пребывания судна на лове. С другой стороны, оно не зависит от времени пребывания судна на лове, скорее наоборот — время пребывания судна на лове в какой-то степени определяется временем траления. Тогда вполне объясним и высокий коэффициент корреляции между продолжительностью пребывания судна на лове и уловом рыбы. Но как сильно это влияние От каких из исследуемых показателей колеблемость размера улова рыбы зависит сильнее, от каких — слабее От каких показателей, не снижая точности анализа, мы можем отказаться Наконец, во всех подобных задачах неизменен общий вопрос насколько сильна связь между изменчивостью анализируемого показателя и изменчивостью группы показателей, от которых зависит, по-видимому, анализируемый показатель [c.127]
Этап 5 (анализ мультиколлинеарности предсказывающих переменных и отбор наиболее информативных из них.) Под явлением мультиколлинеарности в регрессионном анализе понимается наличие тесных статистических связей между предсказывающими переменными х(1 х(2),. .., х(р что, в частности, проявляется в близости к нулю (слабой обусловленности) определителя их корреляционной матрицы, т. е. матрицы размера р X р, составленной из парных коэффициентов корреляции rtj = r (x(i х(] )) ([14, с. 155], а также гл. 1—3 данного издания). Поскольку этот определитель входит в знаменатель выражений для ряда важных характеристик анализируемых моделей (см. гл. 7—11), то мультиколлинеарность создает трудности и неудобства при статистическом исследовании зависимостей по меньшей мере в двух направлениях [c.50]
По этой матрице можно судить о тесноте связи факторов с результативным признаком и между собой. Хотя все эти показатели относятся к парным связям, все же матрицу можно использовать для предварительного отбора факторов для включения в уравнение регрессии. Не рекомендуется включать в уравнение факторы слабо связанные с результативными признаками, но тесно связанные с другими факторами. Если, например, имеем г =0,8 г = 0,65 г п = 0,88, то в регрессионное уравнение следует включить фактор х , а фактор х2 не включать, так как он тесно связан с х] (коллине-арен с я,), и его корреляция с у слабее, чем корреляция фактора , . Совершенно недопустимо включать в анализ факторы, функционально связанные друг с другом, т. е. с коэффициентом корреляции, равным единице. Включение таких пар признаков приводит к вырожденной матрице коэффициентов и неопределенности решения. В этом случае решение задачи на ПЭВМ прекращается. [c.275]
Рассмотрим кратко схему построения корреляционной зависимости себестоимости от основных технико-экономических параметров. Для уяснения формы и направления связи всей совокупности основных технико-экономических параметров проектируемого изделия с его себестоимостью проводится анализ парной корреляционной зависимости между себестоимо- [c.165]
Данные матрицы показывают, что при дальнейшем анализе необходимо исключить фактор, характеризующий удельный вес скважин, оборудованных ЭЦН (Х13), так как парный коэффициент корреляции между Л и Х13 больше 0,8. Это свидетельствует о том, что соотношение способов эксплуатации скважин установлено близким к оптимальному. Расчеты тесноты связи между Хэ и Х13, проведенные на основании данных исследований М. М. Саттарова [29], показали что фактически установившееся соотношение способов эксплуатации близко к оптимальному. Из дальнейшего анализа фактор Х13 исключен как коллениарный фактору Х3. [c.35]
Многие факторы ( 14, "17, 19 и т. д.) имеют высокую колеблемость. Следует отметить ту особенность, что высокую колеблемость имеют факторы, которые в определенной степени поддаются регулированию, что способствует принятию правильных решений при выборе мероприятий по снижению издержек производства на этом технологическом участке. Проверкой установлено, что среди включенных в анализ факторов коллениар-ных нет. Коэффициенты парной и частной корреляции (табл. 13) свидетельствуют о том, что факторы, включенные в корреляционный анализ, имеют достаточно тесную связь с исследуемым показателем. [c.37]
Необходимость применения многофакторного корреляционного анализа. Этапы многофакторного корреляционного анализа. Правила отбора факторов для корреляционной модели. Обоснование необходимого объема выборки данных для корреляционного анализа. Сбор и статистическая оценка исходной информации. Способы обоснования уравнения связи. Основные показатели связи в корреляционном анализе и их интерпретация. Сущность парных (общих), частных и множественных коэффициентов корреляции и детерминации. Оценка значимости коэффициентов корреляции. Порядок расчета уравнения множественной регрессии шаговым способом. Интерпретация его параметров. Назначение коэффициентов эластичности и стандартизированных бетта-коэф-фициентов. [c.138]
Блок 7 — вычисление парных коэффициентов корреляции (гух). В случае анализа однофакторной зависимости исчисление коэффициента множественной корреляции не проводится. При многофакторной зависимости вычисление гух предусмотрено для предварительного исследования тесноты связи между изучаемыми величинами. Расчет предусмотрен модулем М106. [c.48]
Методы корреляций и регрессий создавались как методы описания совместных изменений двух и более переменных. Совместные изменения переменных могут не означать наличия причинных связей между ними. Потребность в причинном объяснении корреляции привела американского генетика С. Райта к созданию метода путевого анализа (1910—1920) как одного из разновидностей структурного моделирования. Путевой анализ основан на изучении всей структуры причинных связей между переменными, т. е. на построении графа связей и изоморфной ему рекурсивной системы уравнений. Его основным положением является то, что оценки стандартизированных коэффициентов рекурсивной с истемы уравнений, которые интерпретируются как коэффициенты влияния (путевые коэффициенты), рассчитываются на основе коэффициентов парной корреляции. Это позволяет проанализировать структуру корреляционной связи с точки зрения причинности. Каждый коэффициент парной корреляции рассматривается как мера полной связи двух переменных. [c.18]
КОРРЕЛЯЦИОННЫЙ АНАЛИЗ (в экономике) [ orrelation analysis] — ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от лат. orrelatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи является соотношение выпуска и потребления продукции, когда она дефицитна во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей, в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими (множественная корреляция). [c.154]
В других работах по математической статистике мы обнаруживаем примерно такое же определение частного коэффициента корреляции. Как видно, при переходе от парной корреляции к частной авторы уже вынуждены говорить о влиянии. В результате смысл, который может иметь коэффициент корреляции, помимо чисто описательного, зависит от знания специфики происхождения связи между величинами. Коэффициенты корреляции могут оказаться, таким образом, опасным орудием при анализе наблюденных данных, поскольку они могут вести к смешению стохастической и функциональной взаимосвязей и, следовательно, к ложным выводам [30.535]. И не удивительно, что результаты применения корреляционного анализа подвергаются большим сомне ниям. К корреляционному анализу можно отнести оценку академика А. Н. Колмогорова, данную им дисперсионному анализу и работам Фишера. А. Н. Колмогоров [17...] говорил Дисперсионный анализ является типичным созданием Р. А. Фишера. Четко и удобно разработанная вычислительная техника соединена здесь с очень выразительной и доходчивой терминологией, внушающей исследователю, пожелавшему воспользоваться этим методом, вполне определенную интерпретацию результатов вычисления. Если хорошая разработка стандартной техники вычисления является безусловной заслугой Фишера, то слишком многообещающая терминология является определенным злом. Особенно в случае, когда, как это происходит в книгах Фишера и его последователей, необходимые для обоснования методы в лучшей случае лишь формально упоминаются без разъяснения степени их стеснительности в практически важных случаях, а различные формально рассчитанные компоненты дисперсии с полной категоричностью относятся на счет причинного влияния отдельных анализируемых факторов или их взаимодействий без всякого упоминания о том, что это разложение дисперсий на эти компоненты на самом деле объективного смысла часто совсем не имеет. [c.9]
Для анализа взаимосвязи или связи экономических показателей приходится обращаться к совокупности статистических параметров средних величин, средних квадрати-ческих отклонений, параметров распределения, парных и частных коэффициентов корреляции, коэффициентов влияния, корреляционных отношений, параметров уравнений регрессии, остаточных дисперсий, множественных коэффициентов корреляции и множественных корреляционных отношений. Для краткости совокупность статистических параметров, описывающих множество экономических показателей и взаимосвязь между ними, мы называем экономико-статистической моделью. [c.12]
Смотреть страницы где упоминается термин Анализ парных связей
: [c.52] [c.82] [c.294] [c.268] [c.24] [c.125]Смотреть главы в:
Прикладная статистика Исследование зависимостей -> Анализ парных связей