Экономические явления и процессы хозяйственной деятельности предприятий зависят от большого количества факторов.
В наиболее общем виде задача изучения взаимосвязей факторов состоит в количественной оценке их наличия и направления, а также характеристике силы и формы влияния одних факторов на другие. Для ее решения применяются две группы методов, одна из которых включает в себя методы корреляционного анализа, а другая – регрессионный анализ, объединенные в корреляционно-регрессионный анализ, что имеет под собой некоторые основания: наличие целого ряда общих вычислительных процедур, взаимодополнение при интерпретации результатов и др.
Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками и оценке факторов, оказывающих наибольшее влияние на результативный признак. Показатели, используемые для оценки тесноты связи, приведены в п. 9.3, 9.5, 9.6.
Задачи регрессионного анализа лежат в сфере установления формы зависимости, определении функции регрессии, использования уравнения для оценки неизвестных значений зависимой переменной. Найти уравнение регрессии – значит по эмпирическим (фактическим) данным описать изменения взаимно коррелируемых величин.
|
|
Уравнение регрессии должно определить, каким будет среднее значение результативного признака у при том или ином значении факторного признака х, если остальные факторы, влияющие на у и не связанные с х не учитывать, т.е. абстрагироваться от них. Уравнение регрессии называют теоретической линией регрессии, а рассчитанные по нему значения результативного признака - теоретическими. Теоретические значения результативного признака обычно обозначаются (читается: «игрек, выровненный по икс») и рассматривается как функция от х, т.е. . Иногда для простоты записи вместо пишут или.
Для аналитической связи между х и у используются следующие простые виды уравнений: (прямая); (парабола второго порядка); (гипербола); (показательная или экспоненциальная функция); (логарифмическая фу-
нкция) и др. Обычно зависимость, выраженную уравнением прямой, называют линейной (или прямолинейной), а все остальные – криволинейными.
Различают парную и множественную (многофакторную) корреляцию (см. табл. 9.1), а, следовательно, и, парную и множественную регрессии.
Корреляционно-регрессионный анализ, в частности многофакторный корреляционный анализ, состоит из нескольких этапов.
На первом этапе определяются факторы, оказывающие воздействие на изучаемый показатель, и отбираются наиболее существенные. От того, насколько правильно сделан отбор факторов, зависит точность выводов по итогам анализа. При отборе факторов придерживаются требований, представленных на рис. 9.3.
|
|
Рис. 9.3. Перечень основных требований, учитываемых при отборе факторов, оказывающих воздействие на изучаемый показатель
На втором этапе собирается и оценивается исходная информация, необходимая для корреляционного анализа. Собранная исходная информация должна быть проверена на точность (достоверность), однородность и соответствие закону нормального распределения. Критерием однородности информации служит среднеквадратическое отклонение и коэффициент вариации. Если вариация выше 33%, то это говорит о неоднородности информации и ее необходимо исключить или отбросить нетипичные наблюдения.
На третьем этапе изучается характер и моделируется связь между факторами и результативным показателем, т.е. подбирается и обосновывается математическое уравнение, которое наиболее точно выражает сущность исследуемой зависимости. Для обоснования функции используются те же приемы, что и для установления наличия связи: аналитические группировки, линейные графики и др. Если связь всех факторных показателей с результативным носит прямолинейный характер, то для записи этих зависимостей можно использовать линейную функцию: = a0+a1x1+a2x2+ a3x3+…+aпxп. Если связь между функцией и исследуемым и показателями носит криволинейный характер, то может быть использована степенная функция: = b0 * x1b1 * x2b2 *…*xпbп.
На четвертом этапе проводится расчет основных показателей связи корреляционного анализа. Рассчитываются матрицы парных и частных коэффициентов корреляции, уравнение множественной регрессии, а также показатели, с помощью которых оценивается надежность коэффициентов корреляции и уравнения связи: критерий Стьюдента, критерий Фишера, множественные коэффициенты корреляции и др.
На пятом этапе дается статистическая оценка результатов корреляционного анализа и практическое их применение. Для этого дается оценка коэффициентов регрессии, коэффициентов эластичности и бетта-коэффициентов.
Одним из основным условий применения и ограничении корреляционно-регрессионного метода является наличие данных по достаточно большой совокупности явлений. Обычно считают, что число наблюдений должно быть не менее чем в 5-6, а лучше – не менее чем в 10 раз больше числа факторов.