2020-01-15
239
|
| y | x1 | x2 |
| y | 1,00 | 0,98 | 0,66 |
| x1 | 0,98 | 1,00 | 0,51 |
| x2 | 0,66 | 0,51 | 1,00 |
Матрица парных коэффициентов корреляции показывает, что результативный показатель наиболее тесно связан с показателем x1.
Так как существует линейная связь между результативным и двумя факторными признаками, а также между парой факторных признаков, то имеет смысл рассчитать множественный коэффициент корреляции.
В данной работе множественный коэффициент корреляции был вычислен по формуле (2.4):
.(2.4)
= 0,99.
Связь между показателями сильная, факторы x1 и x2 практически полностью обуславливают величину y.
При построении модели связи, или регрессии, может возникнуть проблема мультиколлинеарности (наличие сильной корреляции между независимыми переменными, входящими в уравнение регрессии). Мультиколлинеарность существенно искажает результаты исследования.
Наиболее распространенный метод выявления коллинеарности основан на анализе парных коэффициентов корреляции. Он состоит в том, что две или несколько переменных признаются коллинеарными (мультиколлинеарными), если парные коэффициенты корреляции больше определенной величины. На практике наиболее часто считают, что два аргумента коллинеарны, если парный коэффициент корреляции между ними по абсолютной величине больше 0,8.
В данном примере парный коэффициент корреляции не превышает величины 0,8 (
= 0,51), что говорит об отсутствии явления мультиколлинеарности.
