Корреляционный анализ предполагает измерение тесноты связи с помощью коэффициента корреляции и корреляционного отношения. При линейной форме зависимости силу связи оценивает коэффициент корреляции Пирсона :
Коэффициент корреляции изменяется в пределах от (– 1) до (+ 1), (– 1 r 1).
Отрицательный знак показателя свидетельствует об обратной связи, положительный – о прямой связи. Чем ближе значение показателя к единице, по модулю, тем связь сильнее, чем ближе к нулю, тем связь слабее.
Для измерения силы связи при любой форме зависимости, как линейной, так и нелинейной, а также для оценки множественной связи применяют теоретическое корреляционное отношение (индекс корреляции). В основе его расчета лежит правило сложения дисперсии:
где – общая дисперсия – отражает вариацию результативного признака за счет всех действующих на него факторов;
или
–факторная дисперсия , отражает вариацию результативного признака за счет фактора (х) .
–остаточная дисперсия , отражает вариацию результативного признака за счет всех факторов, кроме фактора (х) ;
Теоретическое корреляционное отношение – это корень квадратный из отношения факторной дисперсии к общей дисперсии:
Подкоренное выражение – коэффициент детерминации :
показывает долю вариации результативного признака, обусловленную влиянием факторного признака, в общей вариации. Чем эта доля выше, тем связь между признаками сильнее.
Теоретическое корреляционное отношение изменяется от 0 до 1 (0 R 1) .Чем значение показателя ближе к единице, тем связь сильнее.
Для оценки тесноты связи можно воспользоваться шкалой Чеддока :
Основная тенденция развития и методы ее выявления
Каждый ряд динамики имеет свою тенденцию развития, т.е. общее направление к росту, снижению или стабилизации уровня явления с течением времени. Степень выраженности этой тенденции зависит от влияния постоянных, периодических (сезонных) и случайных факторов на уровни ряда динамики. Поэтому следует говорить не просто о тенденции развития, а об основной тенденции.
Основной тенденцией развития (трендом) называется плавное и устойчивое изменение уровня явления во времени, свободное от периодических и случайных колебаний .
Для выявления тренда ряды динамики подвергаются обработке методами укрупнения интервалов, скользящей средней, аналитического выравнивания.
Метод укрупнения интервалов основан на укрупнении периодов времени, к которым относятся уровни ряда динамики. Для этого исходные данные объединяются, т.е. суммируются или усредняются за более продолжительные интервалы времени, пока общая тенденция развития не станет достаточно отчетливой. Например, дневные данные о производстве продукции объединяются в декадные, месячные в квартальные, годовые в многолетние. Достоинство метода в его простоте. Недостаток в том, что сглаженный ряд существенно короче исходного.
Метод скользящей средней состоит в том, что на основе исходных данных рассчитываются подвижные средние из определенного числа сначала первых по счету уровней ряда, затем из такого же числа уровней, начиная со второго, с третьего и т.д. Средняя величина как бы скользит по динамическому ряду, передвигаясь на один интервал. В скользящих средних сглаживаются случайные колебания.
Схема расчета 3-х уровневой скользящей средней величины
Интервал времени (номер по порядку) |
Фактические уровни ряда динамики у i |
Скользящие средние у ск |
у 1 | ||
у 2 | ||
у 3 | ||
у 4 |
у ск3 |
|
у 5 |
у ск4 |
|
у 6 |
Сглаженный ряд динамики короче исходного на величину (l – 1) , если укрупнение производится по нечетному числу уровней, где l – длина периода укрупнения. Например, если l = 3, то выровненный ряд на 2 уровня короче. Таким образом сглаженный ряд не на много короче исходного.
Метод аналитического выравнивания заключается в замене фактических уровней ряда динамики их теоретическими значениями, вычисленными на основе уравнения тренда:
Расчет параметров уравнения производится методом наименьших квадратов:
где у – фактические уровни;у ti – соответствующие им во времени выровненные (расчетные) уровни.
Если развитие осуществляется в арифметической прогрессии (с равными цепными абсолютными приростами), то для выравнивания используют линейную функцию :
Если наблюдается динамика в геометрической прогрессии, (с равными цепными темпами роста), то необходимо использовать показательную функцию :
у t = а 0 а 1 t .
Если развитие происходит с равными темпами прироста, используется степенная функция , например второго порядка (парабола):
у t = а 0 + а 1 t + а 2 t 2 .
Критерием правильности выбора уравнения тренда служит ошибка аппроксимации . Она представляет собой среднее квадратическое отклонение фактических уровней ряда динамики от теоретических:
Оптимальным считается уравнение с наименьшей ошибкой аппроксимации.
Рассмотрим «технику» выравнивания ряда динамики по линейной функции :
где а 0 , а 1 – параметры уравнения прямой; t – показатели времени (как правило, порядковый номер периода или момента времени).
Параметры прямой а 0 и а 1 , удовлетворяющие методу наименьших квадратов, находят решением следующей системы нормальных уравнений:
где n – число уровней ряда динамики; параметр а 1 соответствует среднему абсолютному приросту.
Для упрощения
расчета показателям времени
можно придать такие
значения, при которых
,
тогда
Для этого в рядах с нечетным числом уровней за начало отсчета времени принимают центральный интервал, где t приравнивают к нулю. По обе стороны от нуля располагают соответственно ряды отрицательных и положительных натуральных чисел, например:
Интервал времени (номер по порядку) |
t i |
При четном числе уровней отсчет ведется от двух центральных интервалов, в которых t приравнено к (-1) и (+1) соответственно, а по обе стороны располагаются ряды отрицательных и положительных нечетных чисел, например:
Интервал времени (номер по порядку) |
t i |
Схема расчета параметров линейного уравнения
Интервалы времени |
Уровни ряда динамики у i |
t i |
i t 2 |
у i t i |
у ti |
На основе исчисленного уравнения тренда можно производить экстраполяцию – нахождение вероятностных (прогнозируемых) уровней за пределами исходного ряда динамики.
Эмпирическое корреляционное отношение измеряет, какую часть общей колеблемости результативного признака вызывает изучаемый фактор. Эмпирическое корреляционное среднее варьирует от 0 до 1.
Находят эмпирическое корреляционное отношение обычно в следующих типах задач:
- 1) когда по двум рядам данным X и Y необходимо произвести аналитическую группировку
- 2) группировка уже произведена, необходимо проверить правило сложения дисперсий
- 3) по двум рядам данным X и Y необходимо найти уравнение регрессии и оценить его значимость
Формула дисперсии альтернативного признака
Исходя из изложенного выше, можно вывести формулу нахождения дисперсии альтернативного признака, если нам известна процентная доля такого признака в общем объеме выборки.
Изначально мы предполагаем, что признак принимает только два значения.
Таким образом, сумма доли элементов, в которых элементы статистического ряда имеют значение признака "нет" и элементов ряда, которые имеют значение признака "да" - равно единице.
Для нахождения среднего значения ряда, подставим значения альтернативных признаков (0 и 1) в формулу нахождения среднего взвешенного значения статистического ряда. Откуда, совершенно очевидно, в знаменателе будет единица, а в числителе - процентное значение элементов "1". То есть ровно процентное значение элементов с признаком "1". (Формула 2)
Формула дисперсии - это средневзвешенное значение квадратов отклонений каждого значения ряда данных. (Формула 3)
Поскольку в нашем ряду данные имеют только два типа значений - "0" и "1", то формула нахождения дисперсии для ряда, имеющего альтернативный признак сводится к Формуле 4. Пояснение. поскольку мы только что вывели, что среднее значение выборки равно р (Формула 2), то значение квадрата разности значения (0/1) и среднего значения, согласно Формулы 1, будет в первом случае (1-p)2 , а во втором случае (1-q)2 , теперь, применив следствие из первой формулы: q = 1 - p, p = 1- q . Получим p2 и q2 . Соответственно, доля значений "0" и "1" равна p и q, в результате в числителе и получается q2 p и p2 q. Сумма долей признаков значений "0" и "1" согласно Формуле 1 равна 1. В итоге Формула 4 и принимает значение pq, которое и будет равно значению дисперсии альтернативного признака. Исходя из найденного значения величины дисперсии альтернативного признака, найдем среднеквадратичное отклонение (Формула 5). Поставив значение из Формулы 1 в Формулу 5, получим формулу среднеквадратичного отклонения для дисперсии ряда с альтернативным признаком.
Суть состоит в следующем: этот показатель измеряет меру зависимости вариации одной величины от многих других. Он применяется для оценки качества линейной регрессии.
Формула расчета:
R^2 \equiv 1-{\sum_i (y_i — f_i)^2 \over \sum_i (y_i-\bar{y})^2},
- \bar{y} – ср. арифметическое зависимой переменной;
- fi – знач. зависимой переменной, предполагаемое по уравнению регрессии;
- yi – значение исследуемой зависимой переменной.
Детерминация, что это такое — определение
Коэффициент детерминации – часть дисперсии переменной (зависимой), которая обуславливается конкретной моделью зависимости. Так эта единица поможет вычесть долю необъясненной дисперсии в дисперсии зависимой переменной.
Данный показатель может принимать значения в пределах от 0 до 1. Чем его значение ближе к 1, тем связаннее результативный признак с исследуемыми факторами.
Т.к. преступление является результатом связи поведения и личностных качеств, этот показатель в деятельности заинтересованных органов рассчитывается для оценки качества преступного поведения, дает представление, что послужило вероятностной причиной преступления, что является мотивацией, какие этому были причины и условия.
Коэффициент детерминации, что показывает?
Этот коэффициент показывает варианты результативного признака от влияния факторного признака, он тесно связан с числом корреляции. Если связь отсутствует, то показатель равняется нулю, при ее наличии – единице.
Есть определение детерминизма как принципа устройства мира. Основой этого представления является взаимосвязанность всех явления. Это учение отрицает существование вещей вне взаимосвязи с миром.
Противоположностью является индетерминизм, он связан с отрицанием объективных отношений детерминации, или отрицанием причинности.
Генетический детерминизм – вера в то, что любой организм развивается под генетическим контролем.
Под детерминантами преступности в криминологии понимают социальные явления, действия которых могут вызвать преступность.
С помощью расчетов такого рода можно оценить вероятностное социокультурное влияние различных факторов на развитие личности и предположить, как себя будет вести человек, например, в деловом общении, объективно оценить, подходит ли он для государственного управления, или воинской службы.
Так же коэффициент определяет, правильно ли выбран индекс для подсчета коэффициентов бета и альфа. Если в % цифра ниже 75 к определенному индексу, значения бета и альфа к нему будут некорректны.
Индекс детерминации
Индекс детерминации – это квадрат инд. корреляции нелинейных связей. Этим значением характеризуют, на какое количество процентов моделью регрессии объясняются варианты показателей результативной переменной по отношению к своему среднему уровню.
Формула
Коэффициент детерминации скорректированный
Суть данного понятия состоит в следующем: этот индекс показывает долю дисперсии (общей) результативной переменной, объясняющей вариантами факторных переменных, включаемых в модель регрессии: (с увеличением, уменьшением).
Величина 0,86 характеризует существенную связь между группировочным и результативным признаками.
Величина называется коэффициентом детерминации и показывает долю межгрупповой дисперсии в общей дисперсии.
Наряду с вариацией количественных признаков может наблюдаться и вариация качественных признаков. Такое изучение вариации достигается, как и для долей количественных признаков, посредством вычисления и анализа следующих видов дисперсий.
Внутригрупповая дисперсия доли определяется по формуле
. (3.17)
Средняя из внутригрупповых дисперсий рассчитывается как
. (3.18)
Формула межгрупповой дисперсии имеет следующий вид:
, (3.19)
где n i – численность единиц в отдельных группах;
–доля изучаемого признака во всей совокупности, которая определяется по формуле
. (3.20)
Общая дисперсия имеет вид
. (3.21)
Три вида дисперсии связаны между собой следующим образом:
. (3.22)
Пример 3.4
Определим групповые дисперсии, среднюю из групповых, межгрупповую и общую дисперсии по данным табл. 3.3.
Таблица 3.3
Численность и удельный вес одной из категорий крупного рогатого скота фермерских хозяйств района
Решение
Определим долю дойных коров в целом по трем хозяйствам:
;
Общая дисперсия доли дойных коров:
Внутригрупповые дисперсии:
;
;
.
Средняя из внутригрупповых дисперсий:
Межгрупповая дисперсия:
Используя правило сложения дисперсий, получаем: 0,1025+0,0031=0,1056. Пример решен правильно.
Пример 3.5
По данным выборочного обследования заработной платы работников бюджетной сферы получены следующие показатели (табл. 3.4).
Таблица 3.4
Определите:
среднюю заработную плату по двум отраслям;
дисперсии заработной платы:
а) среднюю из групповых дисперсий (отраслевых),
б) межгрупповую (межотраслевую),
коэффициент детерминации;
эмпирическое корреляционное отношение.
Решение
Средняя заработная плата работников по двум отраслям рассчитывается по формуле (2.10):
руб.
Дисперсии заработной платы:
а) средняя из групповых дисперсий по (3.14)
б) межгрупповая дисперсия согласно (3.12)
.
в) общая дисперсия, полученная на основании правила сложения дисперсий (3.15):
Коэффициент детерминации равен величине
; (3.23)
т.е.
,
или 44,24%.
Он показывает, что оплата труда на 44,24% зависит от отраслевой принадлежности работников и на 55,76% – от внутриотраслевых причин.
По формуле (3.16)
эмпирическое корреляционное отношение
,
что свидетельствует о существенном влиянии на дифференциацию заработной платы отраслевых особенностей.