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.
|