Парные коэффициенты корреляции. Коэффициент множественной корреляции. Расчет частных коэффициентов детерминации модели.

Парный коэффициент корреляции – основной показатель взаимозависимости двух случайных величин, служит мерой линейной статистической зависимости между двумя величинами, он соответствует своему прямому назначению, когда статистическая связь между соответствующими признаками в генеральной совокупности линейна. Данный коэффициент применяетсядля измерения тесноты связи между двумя из рассматриваемых переменных (без учета их взаимодействия с другими переменными).

- среднее квадратическое отклонение факторного признака;

- среднее квадратическое отклонение результативного признака.

С помощью парного линейного коэффициента корреляции выявляется связь между двумя признаками, один из которых можно рассматривать как результативный, другой — как факторный.

Коэффициент множественной корреляции (R) характеризует тесноту связи между результативным показателем и набором факторных показателей:

где σ ² — общая дисперсия эмпирического ряда, характеризующая общую вариацию результативного показателя (у) за счет факторов;

σ _ост ²— остаточная дисперсия в ряду у, отражающая влияния всех факторов, кроме х;

у — среднее значение результативного показателя, вычисленное по исходным наблюдениям;

s — среднее значение результативного показателя, вычисленное по уравнению регрессии.

Коэффициент множественной корреляции принимает только положительные значения в пределах от 0 до 1. Чем ближе значение коэффициента к 1, тем больше теснота связи. И, наоборот, чем ближе к 0, тем зависимость меньше. При значении R < 0, 3 говорят о малой зависимости между величинами. При значении 0, 3 < R < 0, 6 говорят о средней тесноте связи. При R > 0, 6 говорят о наличии существенной связи.

Квадрат коэффициента множественной корреляции называется коэффициентом детерминации (D): D = R². Коэффициент детерминации показывает, какая доля вариации результативного показателя связана с вариацией факторных показателей. В основе расчета коэффициента детерминации и коэффициента множественной корреляции лежит правило сложения дисперсий, согласно которому общая дисперсия (σ ²) равна сумме межгрупповой дисперсии (δ ²) и средней из групповых дисперсий σ _i²):

σ ² = δ ² + σ _i².

Межгрупповая дисперсия характеризует колеблемость результативного показателя за счет изучаемого фактора, а средняя из групповых дисперсий отражает колеблемость результативного показателя за счет всех прочих факторов, кроме изучаемого.

Математические модели корреляционного анализа в форме коэффициентов имеют ограниченные аналитические возможности. Зная лишь направление ковариации показателей и тесноту связи, невозможно определить закономерности формирования уровня результативного показателя под влиянием исследуемых факторов, оценить интенсивность их влияния, классифицировать факторы на основные и второстепенные. Для этих целей используются модели регрессионного анализа. Линейная модель (уравнение) регрессионного анализа может быть представлена в виде

у = bo + b ₁ x ₁+ b ₂ x ₂ +... + b_nx_n,

где у — результативный показатель;

x ₁, x ₂,..., x_n — факторные модели;

b ₀, b ₁, b ₂, ..., b_n — коэффициенты регрессии.

Частный коэффициент детерминации показывает, насколько процентов вариация результативного признака объясняется вариацией i-го признака, входящего в множественное уравнение регрессии. Он рассчитывается по формуле

,

где - парный коэффициент корреляции между результативным и i-м факторным признаком;

- соответствующий стандартизованный коэффициент уравнения множественной регрессии:

Следует усвоить, что коэффициенты частной детерминации - это доли от разных величин, поэтому они несравнимы; по этим долям нельзя судить о роли факторов. Их главное практическое значение - определить, имеет ли смысл добавить в уравнение регрессии новый фактор или нет.