Скачать презентацию Анализ взаимосвязи социальноэкономических явлений 1 Этапы исследования взаимосвязей Скачать презентацию Анализ взаимосвязи социальноэкономических явлений 1 Этапы исследования взаимосвязей

23_Анал_взаимосв.pptx

  • Количество слайдов: 14

Анализ взаимосвязи социальноэкономических явлений 1. Этапы исследования взаимосвязей между явлениями 2. Функции и характеристики Анализ взаимосвязи социальноэкономических явлений 1. Этапы исследования взаимосвязей между явлениями 2. Функции и характеристики документа 3. Источники получения данных 4. Эксперимент 5. Статистическое наблюдение 6. Этапы статистического наблюдения 7. Программа наблюдения

Источники получения данных Социально-экономические явления представляют собой результат одновременного воздействия большого числа причин. При Источники получения данных Социально-экономические явления представляют собой результат одновременного воздействия большого числа причин. При изучении этих явлений следует выделить следующие этапы. 1. Качественный анализ связей экономических переменных — выделение зависимых Си) и независимых (х). 2. Подбор данных. 3. Спецификация (установление) формы связи между у и х. 4. Оценка параметров модели.

Источники получения данных Признаки по их значению для изучения взаимосвязи делятся на два класса. Источники получения данных Признаки по их значению для изучения взаимосвязи делятся на два класса. Признаки, обусловливающие изменение других связанных с ними признаков, называют факторными или просто факторами (х). Признаки, изменяющиеся под действием факторных признаков, называют результативными (у). Различают функциональную связь и стохастическую зависимость. Функциональной называют такую связь, при которой определенному значению факторного признака соответствует только одно значение результативного признака.

Источники получения данных Если причинная зависимость проявляется не в каждом отдельном случае, а в Источники получения данных Если причинная зависимость проявляется не в каждом отдельном случае, а в общем при большом числе наблюдений, то такая зависимость называется стохастической. По направлению выделяют связь прямую и обратную. По аналитическому выражению выделяют связи прямолинейные и нелинейные (криволинейные).

Спецификация модели Исследование социально-экономических явлений начинается с теории, устанавливающей связь между явлениями, т. е. Спецификация модели Исследование социально-экономических явлений начинается с теории, устанавливающей связь между явлениями, т. е. со спецификации модели. Спецификация модели — это формулировка вида модели исходя из соответствующей связи между переменными. В зависимости от количества факторов, включенных в уравнение регрессии, принято различать парную и множественную регрессии. Парная регрессия характеризует связь между двумя признаками: результативным и факторным.

Спецификация модели Аналитическая связь между ними описывается уравнениями (рис. 3). Рис. 3. Уравнения регрессии Спецификация модели Аналитическая связь между ними описывается уравнениями (рис. 3). Рис. 3. Уравнения регрессии

Графическое изображение параметров уравнения Если результативный и факторный признаки возрастают одинаково, примерно в арифметической Графическое изображение параметров уравнения Если результативный и факторный признаки возрастают одинаково, примерно в арифметической прогрессии, то это свидетельствует о наличии линейной связи между ними, а при обратной связи — гиперболической. Если результативный признак увеличивается в арифметической прогрессии, а факторный значительно быстрее, то используется параболическая или степенная функции.

Метод наименьших квадратов Классический подход по оцениванию параметров линейной регрессии основан на МНК. Линейная Метод наименьших квадратов Классический подход по оцениванию параметров линейной регрессии основан на МНК. Линейная регрессия сводится к нахождению уравнений вида: о- = о 0 +atx. Построение уравнения регрессии сводится к оценке ее параметров а 0 и а. В основе этого метода лежит предположение о независимости наблюдений исследуемой совокупности, при которой сумма квадратов отклонений эмпирических значений от теоретических значений результативного признака стремится к нулю; S = Z(y, -Ух. У ->mіn. Так как о 5 = а 0 + а}х, то получим: ■* = Х<Уі -У*)2 =ХО'- «о -*)2;

Построение уравнения регрессии Построение уравнения регрессии

Метод наименьших квадратов После преобразования получим следующую систему нормальных уравнений: Гл-во + я. Е* Метод наименьших квадратов После преобразования получим следующую систему нормальных уравнений: Гл-во + я. Е* = Е->' |а 0 -£х + а, -Z*2 Решая систему нормальных уравнений, найдем параметры а о и Q. ай =у-а, х , со ѵ(х, у) Параметр а называется коэффициентом регрессии. Его величина показывает среднее изменение результата при изменении фактора на одну единицу. Так, если в функции издержек: у = 15 + 1, 2 х (у — издержки, х — количество произведенной продукции, тыс. шт. , тыс. руб. ), то, с увеличением объема продукции на 1 тыс. шт. издержки производства вырастут в среднем на 1, 2 тыс. руб. ,

Метод наименьших квадратов Значимость коэффициента регрессии осуществляют с помощью /-критерия Стьюдента: где G] — Метод наименьших квадратов Значимость коэффициента регрессии осуществляют с помощью /-критерия Стьюдента: где G] — дисперсия коэффициента регрессии. Параметры модели признаются значимыми, если /р > /кр ( /кр — уровень значимости w. V=n-k- — число степеней свободы, где к — число факторов признаков). Значение средней ошибки аппроксимации определяется по формуле Оно не должно превышать 12— 15%.

Метод наименьших квадратов Для статистической оценки тесноты связи применяются следующие показатели вариации: 1) общая Метод наименьших квадратов Для статистической оценки тесноты связи применяются следующие показатели вариации: 1) общая дисперсия результативного признака а 2 у, отображающая общее влияние всех факторов: п 2) факторная дисперсия результативного признака а 2 у, , отображающая вариацию у только от воздействия изучаемого фактора х. Юч -У)1 п Данная формула характеризует отклонение выравненных значений ух от их общей средней величины у

Метод наименьших квадратов 3) остаточная дисперсия а 2 с, отображающая вариацию результативного признака у Метод наименьших квадратов 3) остаточная дисперсия а 2 с, отображающая вариацию результативного признака у от всех прочих, кроме х, факторов: п Данная формула характеризует отклонения эмпирических (фактических) значений результативного признака у от их выравненных значений ух. Г

Метод наименьших квадратов Соотношение между факторной и общей дисперсиями характеризует меру тесноты связи между Метод наименьших квадратов Соотношение между факторной и общей дисперсиями характеризует меру тесноты связи между признаками х и у: Показатель R 2 называется индексом детерминации (причинности). Он выражает долю факторной дисперсии в общей дисперсии, т. е. характеризует, какая часть общей вариации результативного признака у объясняется изменением факторного признака х. На основе предыдущей формулы определяется индекс корреляции R: с. 145