Методы изучения взаимосвязей


НазваниеМетоды изучения взаимосвязей
страница2/4
Дата публикации12.04.2013
Размер0.54 Mb.
ТипДокументы
userdocs.ru > Математика > Документы
1   2   3   4

^ Корреляционно-регрессионный анализ
Изучение взаимосвязи между признаками заключается в определнии формы и количественной характеристики связи, а также степени тесноты связи.

Основная задача корреляционного анализа – ответить на вопрос – существует ли между признаками зависимость. В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления (прямая или обратная связь), а также характеристике силы (слабая, средняя или тесная связь) и формы влияния одних факторов на другие.

Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов оказывающих наибольшее влияние на результативный признак.

Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значении зависимой переменной.

Решение названных задач опирается на соответствующие приемы, алгоритмы, показатели, применение которых дает основание говорить о статистическом изучении взаимосвязей.

Следует заметить, что традиционные методы корреляции и регрессии широко представлены в разного рода статистических пакетах программ для ЭВМ. Исследователю остается только правильно подготовить информацию, выбрать удовлетворяющий требованиям анализа пакет программ и быть готовым к интерпретации полученных результатов. Алгоритмов вычисления параметров связи существует множество, и в настоящее время вряд ли целесообразно проводить такой сложный вид анализа вручную. Вычислительные процедуры представляют самостоятельный интерес, но знание принципов изучения взаимосвязей, возможностей и ограничений тех или иных методов интерпретации результатов является обязательным условием исследования.

По существу, и корреляционная таблица, и корреляционное поле, и эмпирическая линия регрессии предварительно уже характеризуют взаимосвязь, когда выбраны факторный и результативный признаки и требуется сформулировать предположения о форме и направленности связи. В то же время количественная оценка тесноты связи требует дополнительных расчетов.

При исследовании корреляционных зависимостей между признаками решению подлежит широкий круг вопросов, к которым следует отнести:

  • предварительный анализ свойств моделируемой совокупности единиц;

  • установление факта наличия связи, определение ее направления и формы;

  • измерение степени тесноты связи между признаками;

  • построение регрессионной модели, т.е. нахождение аналитического выражения связи;

  • оценка адекватности модели, ее экономическая интерпретация и практическое использование.

Для того чтобы результаты корреляционного анализа нашли практическое применение и дали желаемый результат, должны выполняться определенные требования в отношении отбора объекта исследования и признаков-факторов. Одним из важнейших условий правильного применения методов корреляционного анализа является требование однородности тех единиц, которые подвергаются изучению методами корреляционного анализа. Например, при корреляционном анализе зависимостей тех или иных технико-экономических показателей работы предприятий от определенных факторов должны быть отобраны предприятия, выпускающие однотипную продукцию, имеющие одинаковый характер технологического процесса и тип используемого оборудования, для предприятий добывающей промышленности определенную роль играет и географическое размещение предприятий.

При выполнении указанных общих требований далее необходима количественная оценка однородности исследуемой совокупности по комплексу признаков. Одним из возможных вариантов такой оценки является расчет относительных показателей вариации. Традиционно широкое распространение для этих целей получил коэффициент вариации (усли коэффициент вариации менее 33%, то исследуемую совокупность можно считать однородной и пригодной для исследования). Если совокупность неоднородна, то следует откинуть аномальные значения, то есть значения с максимальными и минимальными значениями признака.

Другим важным требованием, обеспечивающим надежность выводов корреляционного анализа, является требование достаточного числа наблюдений. Как уже указывалось, влияние существенных причин может быть затушевано действием случайных факторов, "взаимопогашение" влияния которых на результативный показатель в известной мере происходит при выведении средней результативного показателя для массы случаев.

Определенные требования существуют и в отношении факторов, вводимых в исследование. Все множество факторов, оказывающих влияние на величину результативного показателя, к действительности не может быть введено в рассмотрение, да практически в этом и нет необходимости, так как их роль и значение в формировании величины результативного показателя могут иметь существенные различия. Поэтому при ограничении числа факторов, включаемых в изучение, наряду с качественным анализом целесообразно использовать и определенные количественные оценки, позволяющие конкретно охарактеризовать влияние факторов на результативный показатель (к оценкам можно отнести парные коэффициенты корреляции, ранговые коэффициенты при экспертной оценке влияния факторов и др.). Включаемые в исследование факторы должны быть независимыми друг от друга, так как наличие тесной связи между ними свидетельствует о том, что они характеризуют одни и те же стороны изучаемого явления и в значительной мере дублируют друг друга.

^ Предпосылки корреляционного и регрессионного анализа
Перед рассмотрением предпосылок корреляционного и регрессионного анализа, следует сказать, что общим условием, позволяющим получить более стабильные результаты при построении корреляционных и регрессионных моделей биржевых ставок, является требование однородности исходной информации. Эта информация должна быть обработана на предмет аномальных, т.е. резко выделяющихся из массива данных, наблюдений. Эта процедура выполняется за счет количественной оценки однородности совокупности по какому-либо одномерному или многомерному критерию (в зависимости от исходной информации) и имеет цель тех объектов наблюдения, у которых наилучшее (или наихудшее) условия функционирования по не зависящим или слабо зависящим причинам.

После обработки данных на предмет “аномальности” следует провести проверку, насколько оставшаяся информация удовлетворяет предпосылкам для использования статического аппарата при построении моделей, так как даже незначительные отступления от этих предпосылок часто сводят к нулю получаемый эффект. Следует иметь ввиду, что вероятностное или статистическое решение любой экономической задачи должно основываться на подробном осмыслении исходных математических понятий и предпосылок, корректности и объективности сбора исходной информации, в постоянном сочетании с теснотой связи экономического и математико-статистического анализа.

Для применения корреляционного анализа необходимо, чтобы все рассматриваемые переменные были случайными и имели нормальный закон распределения. Причем выполнение этих условий необходимо только при вероятностной оценке выявленной тесноты связи.

Рассмотрим простейшие случай выявления тесноты связи – двумерную модель корреляционного анализа.

Для характеристики тесноты связи между двумя переменными обычно пользуются парным коэффициентом корреляции , если рассматривать генеральную совокупность, или его оценкой – выборочным парным коэффициентом , если изучается выборочная совокупность. Парный коэффициент корреляции в случае линейной формы связи вычисляют по формуле

,

а его выборочное значение – по формуле

При малом числе наблюдений выборочный коэффициент корреляции удобно вычислять по следующей формуле:



Величина коэффициента корреляции изменяется в интервале .

При между двумя переменными существует функциональная связь, при - прямая функциональная связь. Если , то значение Х и У в выборке некоррелированы; в случае, если система случайных величин имеет двумерное нормальное распределение, то величины Х и У будут и независимыми.

Если коэффициент корреляции находится в интервале , то между величинами Х и У существует обратная корреляционная связь. Это находит подтверждение и при визуальном анализе исходной информации. В этом случае отклонение величины У от среднего значения взяты с обратным знаком.

Если каждая пара значений величин Х и У чаще всего одновременно оказывается выше (ниже) соответствующих средних значений, то между величинами существует прямая корреляционная связь и коэффициент корреляции находится в интервале .

Если же отклонение величины Х от среднего значения одинаково часто вызывают отклонения величины У вниз от среднего значения и при этом отклонения оказываются все время различными, то можно предполагать, что значение коэффициента корреляции стремится к нулю.

Следует отметить, что значение коэффициента корреляции не зависит от единиц измерения и выбора начала отсчета. Это означает, что если переменные Х и У уменьшить (увеличить) в К раз либо на одно и то же число С, то коэффициент корреляции не изменится.

Основными задачами корреляционного анализа являются определение наличия связи между отобранными признаками, установление ее направления и количественная оценка тесноты связи. Задачи корреляционного анализа сводятся к измерению тесноты известной связи между варьирующимися признаками, определению неизвестных причинных связей и оценке факторов, оказывающих наибольшее влияние на результативный признак.

Задачами регрессионного анализа являются выбор типа модели (формы связи), установление степени влияния независимых переменных на зависимую и определение расчетных значений зависимой переменной (функции регрессии).

Решение всех названных задач приводит к необходимости комплексного использования этих методов.

Исследование связей в условиях массового наблюдения и действия случайных факторов осуществляется, как правило, с помощью экономико – статистических моделей. Выражение модели в виде функциональных уравнений используют для расчета средних значений моделируемого показателя по набору заданных величин и для выявления степени влияния на него отдельных факторов.

По количеству включаемых факторов модели могут быть однофакторными и многофакторными.

В зависимости от познавательной цели статистические модели подразделяются на структурные, динамические и модели связи.

Необходимые условия применения корреляционного анализа.

  1. Наличие достаточно большого количества наблюдений о величине исследуемых факторных и результативных показателей (в динамике или за текущий год по совокупности однородных объектов).

  2. Исследуемые факторы должны иметь количественное измерение и отражение в тех или иных источниках информации.

Применение корреляционного анализа позволяет решить следующие задачи:

1) определить изменение результативного показателя под воздействием одного или нескольких факторов, т.е. определить, на сколько единиц изменяется величина результативного показателя при изменении факторного на единицу;

2) установить относительную степень зависимости результативного показателя от каждого фактора.

^ Дисперсионный анализ
Аналитические группировки при всей своей значимости не дают количественного выражения тесноты связи между признаками. Эта задача решается с помощью дисперсионного и корреляционного анализа.

Дисперсионный анализ – статистический метод, позволяющий оценить влияние одного или нескольких факторов на результатирующий признак. Дисперсионный анализ дает прежде всего возможность определить значение систематической и случайной вариаций в общей вариации, а также установить роль интересующего нас фактора в изменении результативного признака. Наиболее простой, часто встречающейся на практике является ситуация, когда можно указать один фактор, влияющий на конечный результат, и этот фактор принимает конечное число значений. Следует определить, существенно ли это влияние. Такая ситуация может быть проанализирована при помощи однофакторного дисперсионного анализа.

Сущность применяемой методики в следующем: проводится комбинированная группировка по результатирующему и факторному признакам. Она обеспечивает разложение общей дисперсии на межгрупповую (факторную) и остаточную. Межгрупповая дисперсия отражает вариацию признака, которая возникает под воздействием признака-фактора, положенного в основу группировки.

Остаточная дисперсия характеризует случайную вариацию в каждой отдельной группе. Эта вариация возникает под влиянием других факторов и не зависит от факторного признака, положенного в основу группировки.

Общая дисперсия характеризует вариацию признака, обусловленную влиянием всех факторов.

Для оценки существенности различий между группами по величине какого-либо признака рекомендуется использовать критерий Фишера (F), фактическое значение которого определяется как отношение межфакторной дисперсии к остаточной по формуле:



Где:– межгрупповая дисперсия;-остаточная дисперсия.

Фактическое значение критерия Фишера сравнивают с табличным, которое определяется при заданном уровне значимости и числе степеней свободы для межгрупповой и остаточной дисперсии:



Если , утверждают о значительном различии между группами то есть влияние факторного (группировочного) признака на результативный существенно.

Если влияние факторного признака существенно, то следует определить корреляционное отношение, как отношение межгрупповой (факторной) дисперсии к общей.



Корреляционное отношение по своему абсолютному значению колеблется в пределах от 0 до 1. Чем ближе корреляционное отношение к 1, тем больше влияние оказывает факторный признак на результативный.

Для изучения взаимосвязи между производительностью труда и заработной платой проведем дисперсионный анализ на основе результатов проведенной аналитической группировки (смотри таблицу 1)

Средний уровень производительности труда по 30 предприятиям составляет 247,43 тыс. рублей (7423 / 30 = 247,43)

Вычислим общую дисперсию, характеризующую общую вариацию под влиянием всех факторов (приложение 1):



Межгрупповая дисперсия, характеризующая различия в уровне заработной платы, обусловленные неодинаковой производительностью труда:



Рассчитаем корреляционное отношение:

0,924

Следовательно, 92,4% всей вариации заработной платы объясняется различиями в уровне производительности труда. Результат действия других факторов на уровень заработной платы составляет всего 7,6%

Остаточная дисперсия:

Критерий Фишера:

Табличное значение: 4,2

Фактическое значение критерия в несколько раз превышает табличное, значит, влияние производительности труда на уровень заработной платы является очень существенным.

Подобный дисперсионный анализ может проводиться при группировке по одному факторному признаку или при комбинационной группировке по двум и более факторам. Сам принцип дисперсионного анализа, основанный на сопоставлении факторной дисперсии со случайной для оценки достоверности результатов статистической группировки, остается применим независимо от числа признаков группировки.


^ Выбор формы связи
Определяющая роль в выборе формы связи между явлениями принадлежит теоретическому анализу. Так, например, чем больше размер основного капитала предприятия (факторный признак), тем больше при прочих равных условиях оно выпускает продукции (результативный признак).

С ростом факторного признака здесь, как правило, равномерно растет и результативный, поэтому зависимость между ними может быть выражена уравнением прямой Y=a+b*x, которое называется линейным уравнением регрессии.

Параметр b называется коэффициентом регрессии и показывает, насколько в среднем отклоняется величина результативного признака у при отклонении величины факторного признаках на одну единицу. При x = 0 a = Y. Увеличение количества внесенных удобрений приводит, при прочих равных условиях, к росту урожайности, но чрезмерное внесение их без изменения других элементов к дальнейшему повышению урожайности не приводит, а, наоборот, снижает ее.

Такая зависимость может быть выражена уравнением параболы Y=a+b*x+c*x2.

Параметр c характеризует степень ускорения или замедления кривизны параболы, и при c>0 парабола имеет минимум, а при c<0 - максимум. Параметр b, характеризует угол наклона кривой, а параметр a - начало кривой.

Однако с помощью теоретического анализа не всегда удается установить форму связи. В таких случаях приходится только предполагать о наличии определенной формы связи. Проверить эти предположения можно при помощи графического анализа, который используется для выбора формы связи между явлениями, хотя графический метод изучения связи применяется и самостоятельно.

Применение методов корреляционного анализа дает возможность выражать связь между признаками аналитически - в виде уравнения - и придавать ей количественное выражение. Чтобы измерить тесноту прямолинейной связи между двумя признаками, пользуются парным коэффициентом корреляции, который обозначается r.



Коэффициент корреляции r применяется только в тех случаях, когда между явлениями существует прямолинейная связь. Если же связь криволинейная, то пользуются индексом корреляции, который рассчитывается по формуле:



Коэффициент корреляции является мерой тесноты связи только для линейной формы связи, а индекс корреляции - и для линейной, и для криволинейной. При прямолинейной связи коэффициент корреляции по своей абсолютной величине равен индексу корреляции:

|r|=R.

Если индекс корреляции возвести в квадрат, то получим коэффициент детерминации. Коэффициент детерминации является наиболее конкретным показателем, так как он отвечает на вопрос о том, какая доля в общем результате зависит от фактора, положенного в основание группировки.

Индекс корреляции принимает значения в интервале от -1 до + 1. Принято считать, что если  |r| < 0,30, то связь слабая; при  |r| = (0,3÷0,7) – средняя; при  |r| > 0,70 – сильная, или тесная. Когда  |r| = 1 – связь функциональная. Если же r принимает значение около 0, то это дает основание говорить об отсутствии связи между У и X.

В аналитической части курсовой работы с помощью компьютерной программы для данных 30 предприятий построим различные модели зависимости уровня заработной платы от производительности труда.


^ Непараметрические методы оценки связи
Методы корреляционного и дисперсионного анализа не универсальны: их можно применять, если все изучаемые признаки являются количественными. При использовании этих методов нельзя обойтись без вычисления основных параметров распределения (средних величин, дисперсий), поэтому они получили название параметрических методов.

Между тем в статистической практике приходится сталкиваться с задачами измерения связи между качественными признаками, к которым параметрические методы анализа в их обычном виде неприменимы. Статистической наукой разработаны методы, с помощью которых можно измерить связь между явлениями, не используя при этом количественные значения признака, а значит, и параметры распределения. Такие методы получили название непараметрических.

Если изучается взаимосвязь двух качественных признаков, то используют комбинационное распределение единиц совокупности в форме так называемых таблиц взаимной сопряженности.

В социально-экономических исследованиях нередко встречаются ситуации, когда признак не выражается количественно, однако единицы совокупности можно упорядочить. Такое упорядочение единиц совокупности по значению признака называется ранжированием. Примерами могут быть ранжирование студентов (учеников) по способностям, любой совокупности людей по уровню образования, профессии, по способности к творчеству и т.д.

При ранжировании каждой единице совокупности присваивается ранг, т.е. порядковый номер. При совпадении значения признака у различных единиц им присваивается объединенный средний порядковый номер. Например, если у 5-й и 6-й единиц совокупности значения признаков одинаковы, обе получат ранг, равный (5 + 6) / 2 = 5,5. Измерение связи между ранжированными признаками производится с помощью ранговых коэффициентов корреляции Спирмена (r) и Кендэлла (t). Эти методы применимы не только для качественных, но и для количественных показателей, особенно при малом объеме совокупности, так как непараметрические методы ранговой корреляции не связаны ни с какими ограничениями относительно характера распределения признака.

^ Изучение статистической связи
Изучение взаимосвязей на рынке товаров и услуг — важнейшая функция работников коммерческих служб: менеджеров, коммерсантов, экономистов. Особую актуальность это приобретает в условиях развивающейся рыночной экономики. Изучение механизма рыночных связей, взаимодействия спроса и предложения, влияние объема и состава предложения товаров на объем и структуру товарооборота, формирование товарных запасов, издержек обращения, прибыли и других качественных показателей имеет первостепенное значение для прогнозирования конъюнктуры рынка, рациональной организации торговых процессов и решения многих вопросов успешного ведения бизнеса.

Статистика призвана изучать коммерческую деятельность с количественной стороны. Это осуществляется с помощью соответствующих приемов и методов статистики и математики.

Статистические показатели коммерческой деятельности могут состоять между собой в следующих основных видах связи: балансовой, компонентной, факторной и др.

^ Балансовая связь — характеризует зависимость между источниками формирования ресурсов (средств) и их использованием.



— остаток товаров на начало отчетного периода;

— поступление товаров за период;

— выбытие товаров в изучаемом периоде;

— остаток товаров на конец отчетного периода.

Левая часть формулы характеризует предложение товаров

, а правая часть — использование товарных ресурсов .

^ Компонентные связи показателей коммерческой деятельности характеризуются тем, что изменение статистического показателя определяется изменением компонентов, входящих в этот показатель, как множители:



В статистике коммерческой деятельности компонентные связи используются в индексном методе. Например, индекс товарооборота в фактических ценах представляет произведение двух компонентов — индекса товарооборота в сопоставимых ценах и индекса цен , т.е.

.

Важное значение компонентной связи состоит в том, что она позволяет определять величину одного из неизвестных компонентов:

или

^ Факторные связи характеризуются тем, что они проявляются в согласованной вариации изучаемых показателей. При этом одни показатели выступают как факторные, а другие — как результативные.

Факторные связи могут рассматриваться как функциональные и корреляционные.

При функциональной связи изменение результативного признака всецело зависит от изменения факторного признака :



При корреляционной связи изменение результативного признака не всецело зависит от факторного признака , а лишь частично, так как возможно влияние прочих факторов :

.

Примером корреляционной связи показателей коммерческой деятельности является зависимость сумм издержек обращения от объема товарооборота. В этой связи, помимо факторного признака — объема товарооборота , на результативный признак (сумму издержек обращения ) влияют и другие факторы, в том числе и не учтенные . Поэтому корреляционные связи не являются полными (тесными) зависимостями.

Характерной особенностью корреляционных связей является то, что они проявляются не в единичных случаях, а в массе.

При статистическом изучении корреляционной связи показателей коммерческой деятельности перед статистикой ставятся следующие основные задачи:

1) проверка положений экономической теории о возможности связи между изучаемыми показателями и придание выявленной связи аналитической формы зависимости;

2) установление количественных оценок тесноты связи, характеризующих силу влияния факторных признаков на результативные.

Для того, чтобы установить, есть ли зависимость между величинами, используются многообразные статистические методы, позволяющие определить, во-первых — какие связи; во-вторых — тесноту связи (в одном случае она сильная, устойчивая, в другом — слабая); в-третьих — форму связи (т.е. формулу, связывающую величину и).

В процессе изучения связи надо учитывать, что мы используем математический аппарат, но всегда надо иметь теоретические обоснования той связи, которую пытаются показать.

Переходим к методам изучения статистической связи.

Наиболее простой способ иллюстрации зависимости между двумя величинами — построение таблиц, показывающих, как при изменении одной величины меняется другая.

Пример.

^ Производство молока в год. тыс. тонн.

Выработка продукции на 1 работающего,

тыс. руб.







до 31

34,2

31 — 50

37,3

51 и выше

42,7


Таблица показывает лишь согласованность в изменении двух величин, наличие связи. Но она не определяет ни тесноту связи, ни форму этой связи.

Для того, чтобы ответить на эти вопросы, необходимо использовать специальные статистические методы. Среди них есть очень простые и менее точные, более сложные и более точные. Но все они имеют один и тот же смысл.

Один из простых показателей тесноты корреляционной зависимости — показатель корреляции рангов. Разберем порядок вычисления этого показателя на примере.

Изучается товарооборот и суммы издержек обращения по ряду магазинов (в тыс. руб.). Данные представлены таблицей 1.


№ магазина

Товарооборот

Издержки обращения

1

480

30

2

510

25

3

530

31

4

540

28

5

570

29

6

590

32

7

620

36

8

640

36

9

650

37

10

660

38


Из таблицы видно, что с ростом товарооборота растут и издержки обращения. График еще раз это подтверждает.


Но в ряде случаев увеличение товарооборота ведет и к уменьшению издержек обращения, поскольку, помимо двух названных величин, в реальном процессе торговли участвуют и другие факторы, которые в рассмотрение не включены и носят случайный характер. Рассмотрим критерий тесноты связи, названный показателем корреляции рангов. От величин абсолютных перейдем к рангам по такому правилу: самое меньшее значение — ранг 1, затем 2 и т.д. Если встречаются одинаковые значения, то каждое из них заменяется средним. Итак:


Товарооборот

Издержки

1

4

2

1

3

5

4

2

5

3

6

6

7

7,5

8

7,5

9

9

10

10


Построим разности между рангами и возведем их в квадрат.

1. Если ранги совпадают, то ясно, что сумма их квадратов равна 0.



Связь полная, прямая.

2. Ранги образуют обратную последовательность

1 10

2 9 В этом случае

3 8

. . Связь полная, обратная.

. .

. .

10 1
3. Среднее значение из двух крайних означает полное отсутствие связи:



4. Показатель корреляции рангов:



Показатель показывает, как отличается полученная при наблюдении сумма квадратов разностей между рангами от случая отсутствия связи.

Проанализируем показатель корреляции рангов.

1. Связь полная и прямая, и

2. Связь полная и обратная, и

3. Все остальные значения лежат между -1 и +1.

Построим показатель корреляции рангов для нашего примера:


Товарооборот (ранг)

Издержки (ранг)





1

4

-3

9

2

1

1

1

3

5

-2

4

4

2

2

4

5

3

2

4

6

6

0

0

7

7,5

-0,5

0,25

8

7,5

0,5

0,25

9

9

0

0

10

10

0

0















Полученный показатель свидетельствует о достаточно тесной связи между товарооборотом и издержками.

Для определения тесноты корреляционной связи применяется коэффициент корреляции.

Коэффициент корреляции изменяется от -1 до +1 и показывает тесноту и направление корреляционной связи.

Если отклонения по и по от среднего совпадают и по знаку, и по величине, то это полная прямая связь, то =+1.

Если полная обратная связь, то =-1.

Если связь отсутствует, то =0.

Наиболее удобной формулой для расчета коэффициента корреляции является:
(1)

Коэффициент корреляции можно рассчитать и по другой формуле:

(2), где

и

Пример.

Товаро-

борот(х)

Издержки обращения (у)







480

30

230400

900

14400

510

25

260100

625

12750

530

31

280900

961

16430

540

28

291600

784

15120

570

29

324900

841

16530

590

32

348100

1024

18880

620

36

384400

1296

22320

640

36

409600

1296

23040

650

37

422500

1369

24050

660

38

435600

1444

25080












Все необходимые данные для определения коэффициента корреляции есть в таблице, их лишь остается подставить в необходимую формулу.



В ряде случаев возникает необходимость установления статистической связи между признаками, не имеющими количественного выражения.

Пример.

На предприятии работает группа станков. В силу организационно-технических причин, периодически возникают простои. Было проведено 133 наблюдения за работой станков на протяжении дня , при этом в 59 случаях были отмечены простои, соответственно в 74 случаях их не было. После рационализаторского предложения, направленного на уменьшение простоев, вновь было проведено наблюдение, но уже за 66 станками. При этом в 27 случаях были отмечены простои, в 39 — нет. В данном случае сопоставляются два признака, причем альтернативных.

1 признак — наличие или отсутствие рационального предложения;

2 признак — наличие или отсутствие простоев.

Ни тот, ни другой признак нельзя выразить числено. Поэтому введем следующие обозначения.

Первый признак (х): — наличие рационального предложения (1), отсутствие — (0).

Второй признак (у): — отсутствие простоев (1), наличие простоев (0).

Наши наблюдения представим таблицей:




66

133

199

0

27

74

101

1

39

59

98

y

x

1

0




Для центральной части таблицы введем специальные обозначения

c

d

a

b

коэффициент корреляции (коэффициент ассоциации). Он так же меняется от -1 до +1 и для нашего примера равен:


Очень маленький коэффициент. Показывает, что связь между рациональным предложением и уменьшением числа простоев очень мала. Конечно, простои уменьшились, но не на столько эффективно, как бы этого хотелось.
1   2   3   4

Похожие:

Методы изучения взаимосвязей iconМетоды изучения культуры
Учебное пособие предназначено для студентов вузов, начинающих исследователей в области изучения теории и истории культуры
Методы изучения взаимосвязей iconТезисы Каковы основные методы регистрации физиологических процессов...
...
Методы изучения взаимосвязей iconВопросы для подготовки к коллоквиуму №1 по разделам «Методы изучения...
«Методы изучения живого. Организация живого» и «Генетический материал. Структура и функции»
Методы изучения взаимосвязей iconВопросы к экзамену по инфраструктуре Методы изучения потребностей...
Методы изучения потребностей туристов. Факторы, влияющие на потребность и спрос населения
Методы изучения взаимосвязей iconИммунные реакции используют при диагностических и иммунологических...
С этой целью применяют серологические методы (от лат serum сыворотка и logos учение), т е методы изучения антител и антигенов с помощью...
Методы изучения взаимосвязей iconВажное значение в статистических исследованиях коммерческой деятельности...
Полученные на основе этого метода показатели используются для характеристики развития анализируемых показателей во времени, по территории,...
Методы изучения взаимосвязей iconОпределить теоретико-методологические основы исследования системы...
Поставленные цель и задачи достигаются при помощи таких методов исследования как методы изучения документов, нормативно-правовых...
Методы изучения взаимосвязей iconРоссийская академия наук
Методы изучения, прогноз и картирование опасных природных и техноприродных процессов
Методы изучения взаимосвязей iconВопросы для самоконтроля
Культурология применяет различные методы изучения культуры. Главными из них являются
Методы изучения взаимосвязей iconМетоды изучения медицинской генетики
В клинической генетике для диагностики различных форм наследственной патологии применяются
Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2020
контакты
userdocs.ru
Главная страница