Проектная часть.

Исследования объективно существующих связей между явлениями - важнейшая задача общей теории статистики. Все явления и процессы, характеризующие социально-экономическое развитие и составляющие единую систему и национальных счетов, тесно взаимосвязаны и взаимозависимы между собой.

Корреляционно-регрессионный анализ - это установление формы связи, количественное измерение влияния фактора на результат, измерение тесноты связи и меры воздействия каждого фактора на результат.

Теоретическая обоснованность моделей взаимосвязи, построенных на основе корреляционно-регрессионного анализа, обеспечивается соблюдением следующих основных условий:

Все признаки и их совместные распределения должны подчиняться нормальному закону распределения.

Дисперсия моделируемого признака должна оставаться постоянной при изменении величины и значений факторных признаков.

Отдельные наблюдения должны быть независимыми, то есть результаты, полученные в i-м наблюдении, не должны быть связаны с предыдущими и содержать информацию о последующих наблюдениях, а также влиять на них.

Отступление от выполнения этих условий и предпосылок приводит к тому, что модель регрессии будет неадекватно отражать реально существующие связи между анализируемыми признаками.

Одной из проблем построения уравнения регрессии является ее размерность,т. е. определение числа факторных признаков, включаемых в модель. Их число должно быть оптимальным.

Сокращение размерности за счет исключения второстепенных, несущественных факторов позволяет получить модель, быстрее и качественнее реализуемую. В то же время построение модели малой размерности может привести к тому, что она будет недостаточно полно описывать исследуемое явление или процесс в единой системе национального счетоводства.

Как известно, явления общественной жизни складываются под воздействием не одного, а целого ряда факторов, т. е. эти явления многофакторны. Между факторами существуют сложные взаимосвязи, поэтому их влияние комплексное и его нельзя рассматривать как простую сумму изолированных влияний.

Многофакторный корреляционно-регрессионный анализ позволяет оценить меру влияния на исследуемый результативный показатель каждого из включенных в модель (уравнение) факторов при .фиксированном положении (на среднем уровне) остальных факторов, а также при любых возможных сочетаниях факторов с определенной степенью точности найти теоретическое значение этого показателя. При этом важным условием является отсутствие между факторами функциональной связи.

Форма связи между явлениями выражается аналитическим уравнением, на основании которого по соответствующим факторам-аргументам определяются значения результативного показателя-функции.

Уравнение множественной регрессии можно строить в линейной форме:

Ух = а0 + а1х1 + а2х2 + … + аn хn

Каждый коэффициент уравнения показывает степень влияния соответствующего фактора на анализируемый показатель при фиксированном положении (на среднем уровне) остальных факторов: с изменением каждого фактора на единицу показатель изменяется на соответствующий коэффициент регрессии. Свободный член уравнения экономического смысла не имеет.

С помощью многофакторного корреляционного анализа находятся различного рода характеристики тесноты связи между изучаемым показателем и факторами, парные, частные и множественные коэффициенты корреляции, множественный коэффициент детерминации.

Парные коэффициенты корреляции. Для измерения тесноты связи между двумя из рассматриваемых переменных (без учета их взаимодействия с другими переменными) применяются парные коэффициенты корреляции. Методика расчета таких коэффициентов и их интерпретация аналогичны линейному коэффициенту корреляции в случае однофакторной связи.

Частные коэффициенты корреляции. Однако в реальных условиях все переменные, как правило, взаимосвязаны. Теснота этой связи определяется частными коэффициентами корреляции, которые характеризуют степень влияния одного из аргументов на функцию при условии, что остальные независимые переменные закреплены на постоянном уровне.

Частный коэффициент корреляции первого порядка между признаками у и х1при исключенном влиянии признака х2вычисляется по формуле:

где r— парные коэффициенты корреляции между соответствующими признаками.

Показателем тесноты связи, устанавливаемой между результативным и двумя или более факторными признаками, является совокупный коэффициент множественной корреляции R. Он служит основным показателем линейной корреляционной связи. В случае линейной двухфакторной связи совокупный коэффициент множественной корреляции может быть рассчитан по формуле:

где r — линейные коэффициенты корреляции (парные), а подстрочные индексы показывают, между какими признаками они исчисляются.

Величина R² называется совокупным коэффициентом множественной детерминации. Она показывает, какая доля вариации изучаемого показателя объясняется влиянием факторов, включенных в уравнение множественной регрессии.

Корреляционно-регрессионный анализ может быть использован в экономико-статистических исследованиях: для приближенной оценки фактического и планового уровня как укрупненный норматив для выявления резервов производства, показа на его основе потенциальных возможностей предприятий, а также для краткосрочного прогнозирования развития производства.

Построение корреляционно-регрессионных моделей, какими бы сложными они ни были, само по себе не вскрывает полностью всех причинно-следственных связей. Основой их адекватности является предварительный качественный анализ, основанный на учете специфики и особенностей сущности исследуемых социально-экономических явлений и процессов.[6]