Исследование зависимостей и взаимосвязей между объективно существующими явлениями и процессами играет в развитии экономики значительную роль. Оно позволяет глубже понять сложный механизм причинно-следственных отношений.
В настоящее время важно уметь количественно измерить тесноту причинно-следственных связей и выявить форму связи между экономическими процессами. Для исследования интенсивности, вида и формы причинных связей широко применяется корреляционный и регрессионный анализ – частный случай стохастической связи.
Зависимость между двумя величинами X и У, отображающими соответственно два явления, называется функциональной, если каждому значению величины X соответствует единственное значение величины Y и наоборот.
Статистическая зависимость, когда каждому фиксированному значению независимой переменой X соответствует не одно, а множество значений зависимой переменной У, причем заранее нельзя сказать, какое именно значение примет У. Это связано с тем, что на У кроме переменной X влияют и многочисленные неконтролируемые случайные факторы. В этой ситуации У является случайной величиной, а переменная X может быть как детерминированной, так и случайной величиной.
|
|
Корреляционная зависимость – зависимость, при которой функциональной зависимостью связаны фактор X и среднее значение (математическое ожидание) результативного показателя У.
В качестве примера на рис. 1 представлены данные, иллюстрирующие прямую зависимость между х и у (рис. 1, а) и обратную зависимость (рис. 1, б). В случае «а» это прямая зависимость между, к примеру, среднедушевым доходом (х) и сбережением (у) в семье. В случае «б» речь идет об обратной зависимости. Такова, например, зависимость между производительностью труда (х) и себестоимостью единицы продукции (у). На рис. 1 каждая точка характеризует объект наблюдения со своими значениями х и у.
а Рис. 1. Поле корреляции б
На рис. 1 также представлены прямые линии, линейные уравнения регрессии типа
ý = ß0 + ß1x,, характеризующие функциональную зависимость между независимой переменной х и средним значением результативного показателя у. Таким образом, по уравнению регрессии, зная х, можно восстановить лишь среднее значение у.
прикладную цель построения моделей статистической зависимости между результативным показателем у с одной стороны и объясняющими переменными х1 х2, -.., xk, с другой (до сих пор рассматривалась только одна объясняющая переменная х). Отметим две основных цели подобных исследований.
· Первая состоит в установлении самого факта наличия (или отсутствия) статистически значимой связи между Y и X
|
|
· Вторая цель сводится к прогнозу, восстановлению неизвестных индивидуальных или средних значений результативного показателя «у» по заданным значениям объясняющих переменных.
Выбор тех или иных методов анализа во многом определяется природой изучаемых переменных, шкалой в которой они измерены.
Количественные переменные позволяют измерять степень проявления изучаемого свойства объекта (денежный доход и сбережения семьи, объем валовой продукции, численность работников на предприятии и т.п.). Порядковые (или ординальные) переменные позволяют упорядочивать анализируемые объекты по степени проявления в них изучаемого свойства (уровень жилищных условий семьи, квалификационный разряд рабочего, уровень образования работника и т. п.). Наконец, классификационные (или номинальные) переменные дают возможность разбивать обследованную совокупность объектов на не поддающиеся упорядочиванию однородные классы (профессия работника, мотив миграции семьи, отрасль промышленности и т. п.).