1. Сбор исходной информации.
2. Качественный анализ взаимосвязи исследуемых показателей, определение причинно-следственной связи между анализируемыми характеристиками.
3. Оценка тесноты связи. Расчет коэффициента корреляции. Коэффициент корреляции Я характеризует тесноту связи между случайными величинами (х,у), может быть рассчитан по формуле
Rx,y =
По численному значению коэффициента корреляции можно сделать следующие выводы:
R = 0 — рассматриваемые величины не взаимосвязаны;
R = 1 — имеет место прямая функциональная зависимость, изменение значений переменных однонаправленное, при увеличении одной переменной другая тоже увеличивается;
R = -1 — имеет место обратная функциональная зависимость, изменение значений переменных разнонаправленное, при увеличении одной переменной другая уменьшается.
В практике расчетов мы можем получить значения коэффициентов, близкие к одной из названных величин. По абсолютному значению коэффициента корреляции можно прийти к следующим заключениям:
0 ≤ R < 0,2 — связи практически нет;
0,2 ≤ R< 0,5 — связь слабая;
0,5 ≤ R < 0,75 — связь заметная;
0,75 ≤ R < 0,95 — связь тесная;
0,95 ≤ R ≤1 — связь, близкая к функциональной.
На практике принято строить прогнозы на основе взаимосвязей с коэффициентом корреляции от 0,75 до 1.
Виды корреляционных зависимостей показаны на рис. 5.1.
Рис. 5.1. Виды корреляционных зависимостей:
(а) - положительная корреляция; (б) - переменные х и у не коррелируются;
(в) — отрицательная корреляция
4. Расчет параметров уравнения регрессии. Корреляционное уравнение (уравнение регрессии) — математическое описание корреляционных связей. Оценка параметров уравнения регрессии осуществляется методом наименьших квадратов на основе формул (5.2), (5.3), (5.4):
Y = а + bх; (5.2)
(5.4) |
(5.3) |
где п — объем выборки.
5. Оценка значимости, типичности.
6. Задание условий прогнозного периода (вероятных значений параметра х).
7. Прогнозирование возможных значений параметра у при заданных значениях параметра х.