Сначала логарифмируется
Затем решается система уравнений
Сначала логарифмируется
Затем решается система уравнений
между случайными величинами изучаемого процесса. Функция регрессии показывает, каким будет в среднем значение переменной Y, если переменные X примут конкретное значение.
В зависимости от количества исследуемых переменных различают парную и множественную корреляцию. Парная корреляция- корреляционные связи между двумя переменными. Примерами парной корреляции могут служить зависимости между ценой товара и спросом на него, между качественными параметрами товара и ценой, между доходами населения и спросом. Экономико-математические модели, построенные с учетом такого рода взаимосвязи, называют однофакторньми моделями. В практике исследования цен однофакторные модели занимают значительное место, что определяется простотой вычислительного процесса и ясностью экономической интерпретации результатов.
Множественная корреляция- корреляционные взаимосвязи между несколькими переменными. В качестве примеров множественной корреляции можно привести зависимость спроса на товар от цены, уровня доходов населения и расходов на рекламу, цены от качественных характеристик товара и затрат на рекламу.
2. Качественный анализ взаимосвязи исследуемых показателей, определение причинно-следственной связи между анализируемыми характеристиками.
3. Оценка тесноты связи. Расчет коэффициента корреляции. Коэффициент корреляции (R) характеризует тесноту связи между случайными величинами (X, Y), может быть рассчитан по формуле:
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 1 коэффициента корреляции можно прийти к следующим заключениям:
О < 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 прогноз на основе взаимосвязей с коэффициентом корреляции от 0,75 до 1.
Виды корреляционных зависимостей показаны на рис. 3.1.