Korelācijas koeficients - raksturo korelācijas modelis

Korelācijas modelis (CM) - aprēķinu programma, kas nodrošina uzņemšanu no matemātisku vienādojumu, kurā produktīva rādītājs aprēķināmi atkarībā no viena vai vairākiem rādītājiem.

yx = ao + a1h1

kur: y - darbības rādītāji, atkarībā no x faktora;

x - zīme koeficients;

a1 - parametru KM, kas parāda, cik daudz izmaiņas produktīvā rādītāja mainot koeficients x pa vienam, ja visi citi faktori, kas ietekmē y nemainās;

AO CM parametrs, kas parāda ietekmi visiem citiem faktoriem, par efektīvo indeksa y, izņemot faktoru mainīgo x

Izvēloties efektīvus indikatori un faktoru modeļi, ir jāņem vērā fakts, ka darbības rādītāji cēloņu un seku ķēdi stāv uz augstākā līmenī nekā lietderības koeficienta.

Funkcijas korelācijas modeli

Pēc tam, kad, aprēķinot korelācijas standartparametrus aprēķināts korelācijas koeficients.

p - vienkāršs korelācijas koeficients, -1 ≤ r ≤ 1, tā parāda stiprumu un virzienu rādītāju, ietekmes faktora rezultātu. Jo tuvāk 1, jo ciešāka ir sakarība, tad tuvāk 0, obligāciju ir vājāks. Ja korelācijas koeficients ir pozitīvs, tad savienojums ir taisni, ja tas ir negatīvs - pretēja.

Korelācijas koeficients formula: pxy = (x-x * 1 / y) / * eu eh

eh = hh2- (x) 2; eu = y2 (g) 2

Ja CM lineārs multifaktoriāla, kam ir šādā formā:

YX = ao + a1h1 a2x2 + + ... + Anx

tad tas tika aprēķināts vairāku korelācijas koeficients.

0 ≤ P ≤ 1, un parāda stiprumu ietekmi visu kopā faktors score rādītājiem.

P = 1- ((yi-yi) 2 / (y -usr) 2)

Kur: uh - produktīva rādītājs - aprēķina vērtība;

yi - faktiskā vērtība;

usr- faktiskā vērtība, vidējā.

Paredzamā vērtība, yi iegūti, aizstājot korelācijas modeli, nevis x1, x2 uc to faktiskās vērtības.

Par viendimensijas un daudzdimensiju modeļiem lineāra sakarība koeficients tiek aprēķināts:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

Tiek uzskatīts, ka attiecības starp efektīvu un iekļauti modeli faktoriālajiem rādītāju vāja, ja hermētiskuma sakabes koeficientu (m) robežās 0-0.3; ja 0.3-0.7 - tuvums attiecības - vidēji; 0,7-1 iepriekš - ar spēcīgu bond.

Tā kā korelācijas koeficients (tvaika) r, korelācijas koeficients (multiplā) R, korelācijas koeficients m - varbūtība vērtība, kas tiek aprēķināta par koeficientiem to nozīmi (definēts tabulās). Ja šie koeficienti ir vairāk nekā to tabulas vērtības tuvība pieslēguma koeficientu ir būtiski iemesli. Ja būtiskuma necaurlaidības sakabes koeficientus mazāki nekā galda vērtībām vai ja pašnodarbināta sakabes koeficients ir mazāks par 0,7, tad modelis nav iekļautas visas faktoriālo parametrus, kas būtiski ietekmē rezultātu.

Noteikšanas koeficients parāda iekļauto modeļa parametri nosaka veidošanos rezultātu procentuālo koeficientu.

D = P2 * 100%

D = p2 * 100%

D = m 2 * 100%

Ja koeficients noteikšanas ir lielāks par 50, tad modelis adekvāti apraksta procesu atbilstoši pētījumam, ja tas ir mazāk nekā 50, tas ir nepieciešams, lai dotos atpakaļ uz pirmo posmu, un pārskatīt atlases faktoru rādītājus iekļaušanai modeli.

Fisher Fisher faktors vai kritērijs raksturo efektivitātes modeli kopumā. Ja aprēķinātais koeficients ir lielāks nekā galds, iebūvēts modelis ir piemērots analīzei, kā arī rādītāji plānošanu nākotnē. Aptuveni tabulas vērtība = 1,5. Ja aprēķinātā vērtība ir mazāka par tabulā, jums vispirms izveidot modeli, tai skaitā ietekmējošo rezultātu būtiskiem faktoriem. Papildus efektivitātei vispārējo modeli, lai būtiski ietekmētu katru regresijas koeficientu. Ja aprēķinātā vērtība šī attiecība pārsniegt lielumu tabulas regresijas koeficients ir ievērojams, ja mazāk, tad koeficients parametrs, par kuriem aprēķinātais koeficients tiek noņemti no parauga aprēķiniem sākt no jauna, bet bez šī faktora.