Български | English
 

 

 

 

 

За контакти: 

 

0877 / 10 30 08

 
 
 
 

Индивидуални уроци по статистика за студенти от България и Чуждестранни университети. Помош за домашни по статистика, контролно по статистика, онлайн тестове по статистика, задачи по статистика. Подготовка за изпити по статистика за студенти от УНСС, НОВ БЪЛГАРСКИ УНИВЕРСИТЕТ, НБУ, ПЖИ, ВТУ, ВАРНЕНСКИ ИКОНОМИЧЕСКИ УНИВЕРСИТЕТ, БЪРГАСКИ СВОБОДЕН УНИВЕРСИТЕТ, БОТЕВГРАДСКИ УНИВЕРСИТЕТ, ВУЗФ, СОФИЙСКИ УНИВЕРСИТЕТ. Частни уроци по статистика съобразени с индивидуалните потребности на студента www.i-edu.info

Регресионен, Корелационен и Дисперсионен Анализ

Регресионният анализ се свежда до построяването на регресионни модели, чрез които се цели да се установи най-подходящият аналитичен вид на математическата функция, чрез която се апроксимира най-точно проявената при конкретните условия корелационна зависимост.

Корелационният анализ се свежда до изчисляването на корелационни коефициенти, чрез които се измерва степента на съвпадение между корелационната и функционална зависимост.

Дисперсионният анализ е статистическа методология, посредством приложението на която се установява дали даден фактор, действащ при конкретни условия, е съществен за формиране значенията на някакъв вариационен признак, застъпен в отделните единици на съвкупността. Приложението на дисперсионния анализ изисква единиците на изучаваната съвкупност да се групират по значенията на признака фактор, чиято същественост следва да се оценява. Дисперсионният анализ се основава на следените допускания: единиците в отделните подсъвкупности се разпределят нормално около груповата средна; разсейванията на единиците в отделните групи около груповите средни са равни помежду си; груповите средни за всички подсъвкупности са равни помежду си. Приложението на дисперсионния анализ е възможно тогава, когато резултативният признак е вариационен, а изследваният фактор може да бъде вариационен или категориен признак. Най-често обаче, той е категориен признак, тъй като, когато и той е вариационен в - икономическия анализ се дава предпочитание на регресионния и корелационния анализи, които са по-ефективни.

Чрез регресионния модел едно явление следствие се представя като функция от едно или няколко явления фактори Практическото използване на метода изисква спазването на следната последователност на работа:

Първи етап: Логическо и икономическо обосноваване на избора на променливите величини, които ще бъдат включени като ендогенна и екзогенни величини в конкретния модел.

Втори етап: Установяване вида на функцията, чрез която ще се достигне най-адекватно описание на изследваната зависимост.

Трети етап: Намиране числовите стойности на параметрите на избраната функция за конкретните статистически данни.

Четвърти етап: Изследване качествата на построения регресионен модел в следните два аспекта: проверка на независимостта на остатъчните елементи около регресионния модел, т.е. на изследване се подлагат случайните отклонения и проверка на статистическата значимост на изчислените параметри на регресионния модел.

Пети етап: Интерпретиране на получените резултати, формулиране на изводи и предложения.

В зависимост от броя на факторите, които се включват в съответния модел, регресионните модели биват еднофакторни и многофакторни. Чрез еднофакторните регресионни модели се описва зависимостта между едно явление фактор и едно явление следствие. Те биват линейни и нелинейни. Чрез многофакторните регресионни модели се описва зависимостта между едно явление следствие и две или повече явления фактори. В зависимост от вида на функцията моделите биват: а) Многофакторни линейни регресионни модели; б) Многофакторни нелинейни регресионни модели. :

При избора на факторите трябва да се държи сметка и за едно от основните изисквания на регресионния анализ – факторите, включени в даден регресионен модел, трябва да бъдат независими помежду си. Когато това условие не е спазено, е налице явлението мултиколинеарност. Наличието на мултиколинеарност води до изчисляването на нереални параметри на модела, т.е. до неправилно измерване на проявяващите се зависимости между следствието и формиращите го фактори. От правилния избор на факторите (които не трябва да бъдат прекалено много на брой), чието действие се измерва чрез съответния регресионен модел, зависи ефективността на цялата работа по моделирането. Не по-малко значение в процеса на моделирането има и изборът на функцията чрез която ще се опише изследваната зависимост.

измерва степента на приближението на корелационната до функционалната зависимост. Коефициентите на детерминация и корелация имат важно практическо значение. Коефициентите на корелация, чрез които се измерва теснотата на зависимостта между едно явление следствие и едно явление фактор, се наричат коефициенти на обикновена корелация. Съобразно техните числови оценки се правят следните изводи за теснотата на изследваната зависимост: когато корелационният коефициент е до 0.3 – корелационната зависимост се смята за слаба; от 0,3 до 0,5 – умерена; от 0,5 до 0,7 – значителна; от 0,7 до 0,9 – голяма; от 0,9 до 1 – много голяма. В статистическата теория са разработени и други формули за изчисляване на коефициенти на корелация. Такива са корелационните коефициенти на Браве и на Спирман.