O coeficiente de correlación - modelo de correlación característica

modelo de correlación (CM) - un programa de cálculo que ofrece recepción dunha ecuación matemática, na que o indicador produtiva cuantificados dependente de un ou máis indicadores.

yx = ao + a1h1

onde: y - Indicadores de desempeño, segundo o factor X;

x - factor de sinal;

A1 - Parámetro KM, mostrando o que o cambio no indicador produtiva cando cambiar factor x por un, todos os outros factores que afectan a y permanecen inalteradas;

AO CM parámetro que mostra o efecto de todos os outros factores sobre o índice efectivo de y, que non sexa variable x factor

Ao escoller indicadores eficaces e modelos de factores debe ter en conta o feito de que os indicadores de rendemento da cadea de causalidade queda nun nivel máis elevado do que o factor de rendemento.

Características modelo de correlación

Despois de calcular o coeficiente de correlación de parámetros de modelo de correlación calculado.

p - coeficiente de correlación simple, -1 ≤ r ≤ 1, que mostra o indicador de intensidade e dirección de puntuación factor de impacto. Canto máis próximo de 1, a máis forte a relación, o máis preto de 0, a conexión é máis débil. Se o coeficiente de correlación é positiva, entón a conexión é lineal, se negativo - invertida.

O coeficiente de correlación de fórmula: pxy = (x-X * 1 / Y) / * eu eh

eh = hh2- (x) 2; UE = Y2 (y) 2

Se o lineal CM multifactorial, que ten a forma:

yx = ao + a1h1 a2x2 + + ... + anx

logo calculouse o coeficiente de correlación múltiple.

0 ≤ P ≤ 1, e mostra a intensidade do efecto de todos os indicadores de conta factor tomadas en conxunto.

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

Onde: UH - indicador produtiva - valor calculado;

Yi - o valor real;

valor real usr-, media.

Yi valor estimado obtido substituíndo o modelo de correlación no canto de x1, x2 etc. seus valores reais.

Para modelos univariada e multivariante coeficiente de correlación non lineal calcúlase:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

Crese que a relación entre eficaz e incluídas no modelo de indicadores factoriais feble, o presione do coeficiente de acoplamento (m) na variedade de 0-0,3; se 0,3-0,7 - proximidade da relación - a media; 0,7-1 arriba - unha conexión forte.

Xa que o coeficiente de correlación (vapor) r, o coeficiente de correlación (múltiplo) R, coeficiente de correlación m - valor de probabilidade, a cal é calculada para os coeficientes de seu significado (definido por táboas). Se estes coeficientes son máis que o seu valor de táboa, a proximidade dos coeficientes de conexión son causas esenciais. Os coeficientes de acoplamento esencialidade estanqueidade menores que os valores da táboa ou se auto coeficiente de acoplamento sexa inferior a 0,7, o modelo non incluír todos os parámetros que afectan factoriais significativamente o resultado.

O coeficiente de determinación demostra o factor porcentaxe incluída nos parámetros do modelo de determinar a formación do resultado.

D = P2 * 100%

D = P2 * 100%

D = M 2 * 100%

Se o coeficiente de determinación é maior que 50, entón o modelo describe adecuadamente o proceso en estudo, menos do que 50, que é necesario para voltar á primeira fase de construción, e para revisar os indicadores do factor de selección para a súa inclusión no modelo.

Fisher Fisher factor ou criterio caracteriza a eficiencia do modelo no seu conxunto. A escala calculada for máis grande que a táboa, o modelo construído é adecuado para a súa análise, así como indicadores de planificación para a liquidación futura. Aproximadamente valor táboa = 1,5. Se o valor calculado é menor que a táboa, ten que primeiro crear un modelo, incluíndo factores significativos que inflúen o resultado. Ademais da eficiencia do modelo xeral para afectar significativamente a cada coeficiente de regresión. Se o valor calculado deste ratio superou na táboa magnitude, o coeficiente de regresión é significativa menos, entón o parámetro factor, para o cal o coeficiente calculado borrará dos cálculos da mostra comezar de novo, pero sen este factor.