El coeficient de correlació - característica model de correlació

model de correlació (CM) - un programa de càlcul que proporciona la recepció d'una equació matemàtica, en la qual l'indicador productiva quantifica en funció d'un o més indicadors.

ix = ao + A1H1

on: i - indicadors de rendiment, depenent del factor X;

x - factor de senyal;

a1 - Paràmetre KM, que mostra la quantitat de canvi en l'indicador productiu quan es canvia el factor X per un, si tots els altres factors que afecten la I romanen sense canvis;

AO CM paràmetre que mostra l'efecte de tots els altres factors en l'índex efectiu de I, diferents de variable de factor x

En triar indicadors eficaços i models de factors han de tenir en compte el fet que els indicadors de rendiment de la cadena de causalitat es troba en un nivell més alt que el factor de rendiment.

Característiques model de correlació

Després de calcular el coeficient de correlació dels paràmetres del model de correlació calculat.

p - coeficient de correlació simple, -1 ≤ r ≤ 1, que mostra l'indicador de força i la direcció en la puntuació de factor d'impacte. Com més a prop d'1, més gran és la relació, el més proper a 0, l'enllaç és més feble. Si el coeficient de correlació és positiva, llavors la connexió és recte, si és negatiu - revertit.

El coeficient de correlació fórmula: Pxy = (x-x * 1 / i) / * eu eh

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

Si el CM lineal multifactorial, que té la forma:

ix = ao + A1H1 a2x2 + + ... + ANX

a continuació, es va calcular el coeficient de correlació múltiple.

0 ≤ P ≤ 1, i mostra la força de l'efecte de tots els indicadors del factor de puntuació preses en conjunt.

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

On: uh - Indicador productiva - valor calculat;

yi - el valor real;

valor real usr-, la mitjana.

yi valor estimat obtingut mitjançant la substitució del model de correlació en lloc de x1, x2 etcètera els valors actuals.

Per als models univariants i multivariants es calcula relació de correlació no lineal:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

Es creu que la relació entre eficaç i inclòs en el model d'indicadors factorials feble, si l'estanquitat del coeficient d'acoblament (m) en l'interval 0-0,3; si 0,3-0,7 - proximitat de la relació - la mitjana; 0,7-1 dalt - una unió forta.

Des coeficient de correlació (vapor) r, el coeficient de correlació (múltiple) R, la relació de correlació m - valor de probabilitat, que es calcula per als coeficients del seu significat (definit per taules). Si aquests coeficients són més que el seu valor de la taula, la proximitat dels coeficients de connexió són causes essencials. Si els coeficients d'acoblament essencialitat d'estanquitat més petites que valors de la taula o si el coeficient d'acte d'acoblament és menor que 0,7, el model no inclou tots els paràmetres factorials que afecten significativament el resultat.

El coeficient de determinació demostra el factor de percentatge inclòs en els paràmetres del model determinen la formació del resultat.

D = P2 * 100%

D = p2 * 100%

D = m 2 * 100%

Si el coeficient de determinació és més gran que 50, llavors el model descriu adequadament el procés objecte d'estudi, si és inferior a 50, cal tornar a la primera etapa de la construcció, i per revisar els indicadors factor de selecció per a la seva inclusió en el model.

Fisher Fisher factor o criteri caracteritza l'eficiència del model com un tot. Si l'escala calculada és superior a la taula, el model construït és adequat per a l'anàlisi, així com indicadors de la planificació per al futur assentament. Aproximadament el valor de la taula = 1,5. Si el valor calculat és inferior a la taula, primer ha de construir un model, incloent els factors importants que influeixen en el resultat. A més de l'eficiència del model general per a afectar significativament a cada coeficient de regressió. Si el valor calculat d'aquesta relació supera en la taula magnitud, el coeficient de regressió és significativa si és menor, llavors el paràmetre de factor, per al qual el coeficient calculat s'eliminen dels càlculs de la mostra comencen de nou, però sense aquest factor.