Полнотекстовый поиск:




Если ссылка на документ, который Вас заинтересовал, не работает, сообщите об этом.



Страница 13, всего страниц: 18
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 




       Параметры уравнения регрессии оцениваются на вероятностную надежность. Для этого величина каждого из параметров сравнивается с соответствующей средней ошибкой выборки, то есть
       , где
       - расчетное значение критерия Стьюдента, а
       - остаточное среднеквадратическое отклонение, характеризующее вариацию эмпирических значений результативного признака относительно соответствующих им теоретических значений (вариацию около линии регрессии).
       
       Расчетное значение t критерия сравнивается с табличным значением для
       степеней свободы и заданной вероятности. Если p=0,95
       то табличное значение равно t=2,262, то есть
       , следовательно, параметр а0 с вероятностью 0,95 надежен. Параметр а1 оценивается по формуле:
       , где
       - это показатель вариации факторного признака.
       В нашем примере
       удобнее всего рассчитывать по формуле:
       
       Параметры уравнения регрессии надежны, следовательно, с вероятностью 0,95 можно утверждать, что полученное уравнение регрессии
       объективно отражает форму зависимости между ценой и объемом продаж лука.
       По данным регрессионного анализа можно рассчитать коэффициент эластичности, характеризующий пропорцию взаимосвязи между вариацией факторного и результативного признаков.
       
       Коэффициент эластичности показывает, что с ростом цены на 1%, объем реализации лука снижается на 1,7%.
       
       4. Измерения тесноты связи.
       Методы измерения тесноты взаимосвязи условно делятся на непараметрические и параметрические.
       Непараметрические методы применяются для измерения тесноты связи качественных и альтернативных признаков, а так же количественных признаков, распределение которых отличается от нормального распределения.
       Для измерения связи альтернативных признаков применяются коэффициент ассоциации Дэвида Юла и коэффициент контингенции Карла Пирсона. Для расчета этих показателей применяется следующая матрица взаимного распределения частот.
       a, b, c, d – частоты взаимного распределения признаков.
       
       



 1 признак
       
       2 признак
 

       ДА

 
       НЕТ
 
       ДА
 
       a
 
       b
 
       НЕТ
 
       c
 
       d

       
       При прямой связи частоты сконцентрированы по диагонали a-d, при обратной связи по диагонали b-c, при отсутствии связи частоты практически равномерно распределены по всему полю таблицы.
       
       Коэффициент ассоциации
       
       Пример: проанализируем зависимость между полом и фактом совершения покупки посетителями магазина.
       



 
       1 признак
       
       2 признак
 

       М

 
       Ж
 
       Итого
 
       Купил
 
       24
 
       32
 
       56
 
       Не купил
 
       16
 
       28
 
       44
 
       Итого
 
       40
 
       60
 

       


       

       

       Наблюдается очень слабая прямая связь между полом и фактом свершения покупки. Предельное абсолютное значение коэффициента может быть близко к единице.
       Коэффициент ассоциации непригоден для расчета в том случае, если одна из частот по диагонали равна 0. В этом случае применяется коэффициент контингенции, который рассчитывается по формуле:
       
       Коэффициент контингенции также указывает на практическое отсутствие связи между признаками (его величина всегда меньше Кас).
       Если значения признака распределены более чем по 2 группам, то для определения тесноты связи применяют коэффициенты взаимной сопряженности признаков Пирсона, Чупрова и др.
       Показатель Пирсона определяется по формуле
       , где
       - показатель взаимной сопряженности признаков, который рассчитывается на основе матрицы взаимного распределения частот.
       
       



  1 гр. 
       2 гр.
 
       3 гр.
 
       Итого
 
       1 гр.
 

       s11

 
       s12
 
       s13
 
       n1
 

       2 гр.

 

       s21

 
       s22
 
       s23
 
       n2
 

       3 гр.

 

       s31

 
       s32
 
       s33
 
       n3
 

       Итого

 

       m1

 
       m2
 
       m3
 

       


       

       

       Пример: рассмотрим зависимость между величиной магазина и формой обслуживания.
       
       



  Самообслуживание 
       Традиционное
 
       Итого
 
       Мелкие
       магазины
 

       12

 
       45
 
       57
 

       Средние

 

       19

 
       10
 
       29
 

       Крупные

 

       14

 
       4
 
       18
 

       Итого

 

       45

 
       59
 

       


       

       
       
       

       Коэффициент свидетельствует о наличии заметной связи между величиной магазина и формой его обслуживания. Более точным показателем тесноты связи является коэффициент Чупрова, который определяется по формуле:
       , где
       - соответственно число групп, выделенных по каждому признаку. В нашем примере:
       
       Непараметрические методы измерения тесноты взаимосвязи количественных признаков были первыми из методов измерения тесноты взаимосвязи. Впервые попытался измерить тесноту связи в 30-ч годах 19 века французский ученый Гиррий. Он сопоставлял между собой среднегрупповые значения факторного и результативного признаков. При этом абсолютные значения заменялись их отношениями к некоторым константам. Полученные результаты ранжировались в порядке возрастания. О наличии или отсутствии связи Гиррий судил сопоставляя ранее по группам и подсчитывая количество совпадений и несовпадений рангов. Если преобладало число совпадений – связь считалась прямой. Несовпадение – обратной. При равенстве совпадений и несовпадений – связь отсутствовала.
       Методика Гиррий была использована Фехнером при разработке своего коэффициента, а так же Спирменом при разработке коэффициента корреляции рангов.
       Расчет коэффициента Фехнера.
       



 

       Цена 1 кг
       лука, руб.

 
       Объем продаж,
       кг
 
       Знаки отклонений
 
       Сравнение знаков

       
       



 
       
  

       

 
       
 

       

 

       3

 
       175
 
       -2,5
 
       59,1
 
       н
 
       3,5
 
       200
 
       -2
 
       84,1
 
       н
 
       4
 
       180
 
       -1,5
 
       64,1
 
       н
 
       4,5
 
       150
 
       -1
 
       34,1
 
       н
 
       5
 
       160
 
       -0,5
 
       44,1
 
       н
 
       5,5
 
       120
 
       0
 
       4,1
 
       с
 
       6
 
       85
 
       0,5
 
       -30,9
 
       н
 
       6,5
 
       90
 
       1
 
       -25,9
 
       н
 
       7
 
       50
 
       1,5
 
       -65,9
 
       н
 
       7,5
 
       40
 
       2
 
       -75,9
 
       н
 
       8
 
       25
 
       2,5
 
       -90,9
 
       н

       

Страница 13, всего страниц: 18
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 




Статистика. Реферат: [База экономических рефератов], 19.03.2006.

Проекты: Экономика и управление | Право | Бухгалтерский учет и налоги |