สร้างเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ ความหมายของค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณใน MS Excel
ภารกิจที่ 2
1. สร้างเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ ตรวจสอบความเป็นหลายโคลิเนียริตี้ ปรับการเลือกปัจจัยในแบบจำลอง
2. สร้างสมการ การถดถอยพหุคูณในรูปแบบเส้นตรงด้วยปัจจัยที่เลือก
3. อัตรา นัยสำคัญทางสถิติสมการถดถอยและพารามิเตอร์โดยใช้เกณฑ์ของฟิชเชอร์และนักเรียน
4. สร้างสมการถดถอยด้วยปัจจัยที่มีนัยสำคัญทางสถิติ ประเมินคุณภาพของสมการถดถอยโดยใช้ค่าสัมประสิทธิ์ของการกำหนด R 2 . ประเมินความถูกต้องของแบบจำลองที่สร้างขึ้น
5. ประมาณการการคาดการณ์สำหรับปริมาณผลผลิต หากค่าพยากรณ์ของปัจจัยต่างๆ คือ 75% ของค่าสูงสุด
เงื่อนไขงาน (ตัวเลือก 21)
ตามข้อมูลที่แสดงในตารางที่ 1 (n = 17) เราศึกษาการพึ่งพาปริมาณผลผลิต Y (ล้านรูเบิล) กับปัจจัยต่อไปนี้ (ตัวแปร):
X 1 - จำนวนบุคลากรด้านอุตสาหกรรมและการผลิต คน
X 2 - ต้นทุนเฉลี่ยต่อปีของสินทรัพย์ถาวร ล้านรูเบิล
X 3 - ค่าเสื่อมราคาของสินทรัพย์ถาวร%
X 4 - กำลังไฟฟ้า, กิโลวัตต์ชั่วโมง
X 5 - อุปกรณ์ทางเทคนิคของคนงานหนึ่งคน ล้านรูเบิล
X 6 - การผลิตผลิตภัณฑ์ที่ขายได้ต่อคนงานถู
ตารางที่ 1. ข้อมูลการผลิต
№ | วาย | x1 | x2 | x3 | x4 | x5 | x6 |
39,5 | 4,9 | 3,2 | |||||
46,4 | 60,5 | 20,4 | |||||
43,7 | 24,9 | 9,5 | |||||
35,7 | 50,4 | 34,7 | |||||
41,8 | 5,1 | 17,9 | |||||
49,8 | 35,9 | 12,1 | |||||
44,1 | 48,1 | 18,9 | |||||
48,1 | 69,5 | 12,2 | |||||
47,6 | 31,9 | 8,1 | |||||
58,6 | 139,4 | 29,7 | |||||
70,4 | 16,9 | 5,3 | |||||
37,5 | 17,8 | 5,6 | |||||
62,0 | 27,6 | 12,3 | |||||
34,4 | 13,9 | 3,2 | |||||
35,4 | 37,3 | 19,0 | |||||
40,8 | 55,3 | 19,3 | |||||
48,1 | 35,1 | 12,4 |
สร้างเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ ตรวจสอบความเป็นหลายโคลิเนียริตี้ ปรับการเลือกปัจจัยในแบบจำลอง
ตารางที่ 2 นำเสนอ เมทริกซ์ค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ สำหรับตัวแปรทั้งหมดที่เกี่ยวข้องในการพิจารณา เมทริกซ์ที่ได้จากการใช้เครื่องมือ ความสัมพันธ์จากแพ็คเกจ การวิเคราะห์ข้อมูลวี เอ็กเซล
ตารางที่ 2 เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่
วาย | X1 | เอ็กซ์ทู | X3 | X4 | X5 | X6 | |
วาย | |||||||
X1 | 0,995634 | ||||||
เอ็กซ์ทู | 0,996949 | 0,994947 | |||||
X3 | -0,25446 | -0,27074 | -0,26264 | ||||
X4 | 0,12291 | 0,07251 | 0,107572 | 0,248622 | |||
X5 | 0,222946 | 0,166919 | 0,219914 | -0,07573 | 0,671386 | ||
X6 | 0,067685 | -0,00273 | 0,041955 | -0,28755 | 0,366382 | 0,600899 |
การวิเคราะห์ด้วยภาพของเมทริกซ์ช่วยให้คุณสร้าง:
1) ที่มีความสัมพันธ์แบบคู่ค่อนข้างสูงกับตัวแปร X1, X2 (>0,5) และต่ำด้วยตัวแปร X3, X4, X5, X6 (<0,5);
2) ตัวแปรการวิเคราะห์ X1, X2 แสดงความสัมพันธ์แบบคู่ที่ค่อนข้างสูง ซึ่งจำเป็นต้องตรวจสอบปัจจัยสำหรับการมีอยู่ของ multicollinearity ระหว่างตัวแปรเหล่านี้ ยิ่งไปกว่านั้น หนึ่งในเงื่อนไขของโมเดลการถดถอยแบบคลาสสิคคือการสันนิษฐานความเป็นอิสระของตัวแปรอธิบาย
เราดำเนินการเพื่อระบุความเป็นหลายกลุ่มเชิงเส้นของปัจจัย การทดสอบฟาร์ราร์-กลูเบอร์ ตามปัจจัย X1, X2, X3,X4,X5,X6.
การตรวจสอบการทดสอบฟาร์ราร์-กลูเบอร์สำหรับปัจจัยเชิงเส้นหลายระดับประกอบด้วยหลายขั้นตอน
1) การตรวจสอบความเป็นหลายกลุ่มของตัวแปรอาร์เรย์ทั้งหมด .
หนึ่งในเงื่อนไขของแบบจำลองการถดถอยแบบคลาสสิกคือการสันนิษฐานว่าตัวแปรอธิบายเป็นอิสระต่อกัน ในการระบุความเป็นหลายกลุ่มเชิงเส้นระหว่างปัจจัย เมทริกซ์ของความสัมพันธ์ระหว่างปัจจัย R คำนวณโดยใช้ Data Analysis Package (ตารางที่ 3)
ตารางที่ 3. เมทริกซ์สหสัมพันธ์ระหว่างปัจจัย R
X1 | เอ็กซ์ทู | X3 | X4 | X5 | X6 | |
X1 | 0,994947 | -0,27074 | 0,07251 | 0,166919 | -0,00273 | |
เอ็กซ์ทู | 0,994947 | -0,26264 | 0,107572 | 0,219914 | 0,041955 | |
X3 | -0,27074 | -0,26264 | 0,248622 | -0,07573 | -0,28755 | |
X4 | 0,07251 | 0,107572 | 0,248622 | 0,671386 | 0,366382 | |
X5 | 0,166919 | 0,219914 | -0,07573 | 0,671386 | 0,600899 | |
X6 | -0,00273 | 0,041955 | -0,28755 | 0,366382 | 0,600899 |
มีความสัมพันธ์อย่างมากระหว่างปัจจัย X1 และ X2, X5 และ X4, X6 และ X5 (>0.5)
determinant det (R) = 0.001488 คำนวณโดยใช้ฟังก์ชัน MOPRED ดีเทอร์มีแนนต์ของเมทริกซ์ R มีแนวโน้มเป็นศูนย์ ซึ่งช่วยให้เราตั้งสมมติฐานเกี่ยวกับความเป็นหลายกลุ่มเชิงเส้นทั่วไปของปัจจัยต่างๆ ได้
2) ตรวจสอบ multicollinearity ของแต่ละตัวแปรกับตัวแปรอื่น ๆ :
คำนวณเมทริกซ์ผกผัน R -1 โดยใช้ฟังก์ชัน MINF ของ Excel (ตารางที่ 4):
ตารางที่ 4 เมทริกซ์ผกผันอาร์-1
X1 | เอ็กซ์ทู | X3 | X4 | X5 | X6 | |
X1 | 150,1209 | -149,95 | 3,415228 | -1,70527 | 6,775768 | 4,236465 |
เอ็กซ์ทู | -149,95 | 150,9583 | -3,00988 | 1,591549 | -7,10952 | -3,91954 |
X3 | 3,415228 | -3,00988 | 1,541199 | -0,76909 | 0,325241 | 0,665121 |
X4 | -1,70527 | 1,591549 | -0,76909 | 2,218969 | -1,4854 | -0,213 |
X5 | 6,775768 | -7,10952 | 0,325241 | -1,4854 | 2,943718 | -0,81434 |
X6 | 4,236465 | -3,91954 | 0,665121 | -0,213 | -0,81434 | 1,934647 |
· การคำนวณเกณฑ์ F ซึ่งองค์ประกอบแนวทแยงของเมทริกซ์อยู่ที่ไหน n=17, k = 6 (ตารางที่ 5)
ตารางที่ 5. ค่าเกณฑ์ F
F1 (Х1) | F2 (Х2) | เอฟ3 (X3) | เอฟโฟร์ (X4) | F5 (x5) | เอฟ6 (X6) |
89,29396 | 89,79536 | 0,324071 | 0,729921 | 1,163903 | 0,559669 |
ค่าที่แท้จริงของเกณฑ์ F จะถูกเปรียบเทียบกับค่าตาราง ตาราง F = 3.21(FDISP(0.05;6;10)) กับ n1= 6 และ n2 = n - k – 1=17-6-1=10 องศาอิสระและระดับนัยสำคัญ α=0.05 โดยที่ k คือจำนวนตัวประกอบ
· ค่าของเกณฑ์ F สำหรับปัจจัย X1 และ X2 มีค่ามากกว่าค่าในตาราง ซึ่งบ่งชี้ถึงการมีอยู่ของ multicollinearity ระหว่างปัจจัยเหล่านี้ แฟกเตอร์ X3 มีผลน้อยที่สุดต่อมัลติโคลิเนียริตี้โดยรวมของแฟกเตอร์
3) การตรวจสอบ Multicollinearity สำหรับตัวแปรแต่ละคู่
คำนวณค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนโดยใช้สูตร ซึ่งองค์ประกอบของเมทริกซ์อยู่ที่ไหน (ตารางที่ 6)
ตารางที่ 6 เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์บางส่วน
X1 | เอ็กซ์ทู | X3 | X4 | X5 | X6 | |
X1 | ||||||
เอ็กซ์ทู | 0,996086 | |||||
X3 | -0,22453 | 0,197329 | ||||
X4 | 0,093432 | -0,08696 | 0,415882 | |||
X5 | -0,32232 | 0,337259 | -0,1527 | 0,581191 | ||
X6 | -0,24859 | 0,229354 | -0,38519 | 0,102801 | 0,341239 |
· การคำนวณ ที- เกณฑ์ตามสูตร (ตารางที่ 7)
n - จำนวนข้อมูล = 17
K - จำนวนปัจจัย = 6
ตาราง 7.t-test สำหรับค่าสัมประสิทธิ์สหสัมพันธ์บางส่วน
X1 | เอ็กซ์ทู | X3 | X4 | X5 | X6 | |
X1 | ||||||
เอ็กซ์ทู | 35,6355 | |||||
X3 | -0,72862 | 0,636526 | ||||
X4 | 0,296756 | -0,27604 | 1,446126 | |||
X5 | -1,07674 | 1,13288 | -0,4886 | 2,258495 | ||
X6 | -0,81158 | 0,745143 | -1,31991 | 0,326817 | 1,147999 |
ตาราง \u003d STUDRIVE (0.05; 10) \u003d 2.23
ค่าที่แท้จริงของเกณฑ์ t จะถูกเปรียบเทียบกับค่าตารางที่ระดับความอิสระ n-k-1 = 17-6-1=10 และระดับนัยสำคัญ α=0.05;
t21 > ตาราง
t54 > ตาราง
ตารางที่ 6 และ 7 แสดงว่าปัจจัยสองคู่ X1 และ X2, X4 และ X5 มีความสัมพันธ์บางส่วนที่มีนัยสำคัญทางสถิติสูง นั่นคือ พวกมันเป็นมัลติคอลลิเนียร์ เพื่อกำจัด multicollinearity สามารถกำจัดหนึ่งในตัวแปรของ collinear pair ได้ ในคู่ของ X1 และ X2 เราออกจาก X2 ในคู่ของ X4 และ X5 เราออกจาก X5
ดังนั้นจากการตรวจสอบการทดสอบ Farrar-Glouber ปัจจัยต่อไปนี้จึงยังคงอยู่: X2, X3, X5, X6
เมื่อเสร็จสิ้นขั้นตอนการวิเคราะห์สหสัมพันธ์แล้ว ขอแนะนำให้ดูความสัมพันธ์บางส่วนของปัจจัยที่เลือกกับผลลัพธ์ วาย
มาสร้างเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ตามข้อมูลในตารางที่ 8
ตารางที่ 8. ข้อมูลเอาต์พุตพร้อมปัจจัยที่เลือก X2, X3, X5, X6
จำนวนการสังเกต | วาย | x2 | x3 | x5 | x6 |
39,5 | 3,2 | ||||
46,4 | 20,4 | ||||
43,7 | 9,5 | ||||
35,7 | 34,7 | ||||
41,8 | 17,9 | ||||
49,8 | 12,1 | ||||
44,1 | 18,9 | ||||
48,1 | 12,2 | ||||
47,6 | 8,1 | ||||
58,6 | 29,7 | ||||
70,4 | 5,3 | ||||
37,5 | 5,6 | ||||
12,3 | |||||
34,4 | 3,2 | ||||
35,4 | |||||
40,8 | 19,3 | ||||
48,1 | 12,4 |
คอลัมน์สุดท้ายของตารางที่ 9 แสดงค่า t-test สำหรับคอลัมน์ Y
ตารางที่ 9 เมทริกซ์ของค่าสัมประสิทธิ์ของความสัมพันธ์บางส่วนกับผลลัพธ์ วาย
วาย | เอ็กซ์ทู | X3 | X5 | X6 | t เกณฑ์ (t แท็บ (0.05; 11) = 2.200985 | |
วาย | 0,996949 | -0,25446 | 0,222946 | 0,067685 | ||
เอ็กซ์ทู | 0,996949 | -0,26264 | 0,219914 | 0,041955 | 44,31676 | |
X3 | -0,25446 | -0,26264 | -0,07573 | -0,28755 | 0,916144 | |
X5 | 0,222946 | 0,219914 | -0,07573 | 0,600899 | -0,88721 | |
X6 | 0,067685 | 0,041955 | -0,28755 | 0,600899 | 1,645749 |
ตารางที่ 9 แสดงว่าตัวแปร วายมีความสัมพันธ์บางส่วนที่มีนัยสำคัญทางสถิติสูงและในเวลาเดียวกันกับ ปัจจัย X2
เมทริกซ์ของสัมประสิทธิ์สหสัมพันธ์แบบคู่
วาย | X1 | เอ็กซ์ทู | X3 | X4 | X5 | |
วาย | ||||||
X1 | 0,732705 | |||||
เอ็กซ์ทู | 0,785156 | 0,706287 | ||||
X3 | 0,179211 | -0,29849 | 0,208514 | |||
X4 | 0,667343 | 0,924333 | 0,70069 | 0,299583 | ||
X5 | 0,709204 | 0,940488 | 0,691809 | 0,326602 | 0,992945 |
โหนดของเมทริกซ์มีค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ที่แสดงลักษณะความใกล้ชิดของความสัมพันธ์ระหว่างลักษณะของปัจจัย จากการวิเคราะห์ค่าสัมประสิทธิ์เหล่านี้ เราสังเกตว่ายิ่งค่าสัมบูรณ์ของค่าสัมบูรณ์ยิ่งมาก สัญญาณปัจจัยที่สอดคล้องกันจะส่งผลต่อค่าสัมประสิทธิ์มากขึ้นเท่านั้น การวิเคราะห์เมทริกซ์ผลลัพธ์นั้นดำเนินการในสองขั้นตอน:
1. ถ้าคอลัมน์แรกของเมทริกซ์มีค่าสัมประสิทธิ์สหสัมพันธ์ที่ /r /< 0,5, то соответствующие признаки из модели исключаются. В данном случае в первом столбце матрицы коэффициентов корреляции исключается фактор или коэффициент роста уровня инфляции. Данный фактор оказывает меньшее влияние на результативный признак, нежели оставшиеся четыре признака.
2. การวิเคราะห์ค่าสัมประสิทธิ์สหสัมพันธ์คู่ของลักษณะปัจจัยซึ่งกันและกัน (r XiXj) การระบุลักษณะความสัมพันธ์ที่แน่นแฟ้นจำเป็นต้องประเมินความเป็นอิสระจากกันเนื่องจากสิ่งนี้ เงื่อนไขที่จำเป็นเพื่อเพิ่มเติม การวิเคราะห์การถดถอย. เนื่องจากไม่มีสัญญาณที่เป็นอิสระอย่างแท้จริงในระบบเศรษฐกิจ จึงจำเป็นต้องเลือกสัญญาณที่เป็นอิสระมากที่สุดหากเป็นไปได้ สัญญาณปัจจัยที่สัมพันธ์กันอย่างใกล้ชิดเรียกว่ามัลติโคลิเนียร์ การรวมคุณสมบัติแบบหลายคอลลิเนียร์ไว้ในแบบจำลองทำให้เป็นไปไม่ได้ การตีความทางเศรษฐกิจแบบจำลองถดถอย เนื่องจากการเปลี่ยนแปลงในปัจจัยหนึ่งทำให้เกิดการเปลี่ยนแปลงในปัจจัยที่เกี่ยวข้อง ซึ่งอาจนำไปสู่ "ความแตกแยก" ของแบบจำลองโดยรวม
เกณฑ์สำหรับปัจจัยหลายกลุ่มมีดังนี้:
/r XiXj / > 0.8
ในเมทริกซ์ผลลัพธ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ เกณฑ์นี้เป็นไปตามตัวบ่งชี้สองตัวที่อยู่ตรงจุดตัดของแถว และ . ในแต่ละคู่ของคุณสมบัติเหล่านี้ ควรเหลือไว้หนึ่งตัวในโมเดล ซึ่งควรมีผลกระทบมากกว่ากับคุณสมบัติที่เป็นผลลัพธ์ เป็นผลให้ปัจจัย และ ถูกแยกออกจากแบบจำลอง อัตราการเติบโตของต้นทุนขายและอัตราการเติบโตของปริมาณการใช้งาน
ดังนั้นเราจึงแนะนำปัจจัย X1 และ X2 ในแบบจำลองการถดถอย
ถัดไป ดำเนินการวิเคราะห์การถดถอย (บริการ การวิเคราะห์ข้อมูล การถดถอย) รวบรวมตารางข้อมูลเริ่มต้นอีกครั้งด้วยปัจจัย X1 และ X2 การถดถอยโดยรวมใช้เพื่อวิเคราะห์ผลกระทบต่อตัวแปรตามแยกต่างหากของค่าของตัวแปรอิสระ (ปัจจัย) และอนุญาตให้แสดงความสัมพันธ์ระหว่างคุณสมบัติในรูปแบบของการพึ่งพาการทำงานบางอย่างที่เรียกว่าสมการถดถอยหรือสหสัมพันธ์ แบบจำลองการถดถอย
จากผลการวิเคราะห์การถดถอย เราได้รับผลลัพธ์ของการคำนวณการถดถอยหลายตัวแปร ลองวิเคราะห์ผลลัพธ์ที่ได้รับ
ค่าสัมประสิทธิ์การถดถอยทั้งหมดมีนัยสำคัญตามการทดสอบของนักเรียน ค่าสัมประสิทธิ์ ความสัมพันธ์ที่หลากหลาย R เท่ากับ 0.925 กำลังสองของค่านี้ (ค่าสัมประสิทธิ์การกำหนด) หมายความว่าการเปลี่ยนแปลงของลักษณะผลลัพธ์โดยเฉลี่ย 85.5% อธิบายได้จากการเปลี่ยนแปลงของลักษณะปัจจัยที่รวมอยู่ในแบบจำลอง ค่าสัมประสิทธิ์ของปัจจัยกำหนดลักษณะความหนาแน่นของความสัมพันธ์ระหว่างชุดของลักษณะปัจจัยและตัวบ่งชี้ประสิทธิภาพ ยิ่งค่า R-squared เข้าใกล้ 1 มากเท่าไหร่ ความสัมพันธ์ก็ยิ่งแน่นแฟ้นมากขึ้นเท่านั้น ในกรณีของเรา ตัวบ่งชี้ที่เท่ากับ 0.855 บ่งชี้ถึงการเลือกปัจจัยที่ถูกต้องและการมีอยู่ของความสัมพันธ์ระหว่างปัจจัยและตัวบ่งชี้ประสิทธิภาพ
แบบจำลองที่พิจารณานั้นเพียงพอ เนื่องจากค่าที่คำนวณได้ของเกณฑ์ F ของ Fisher นั้นสูงกว่าค่าแบบตารางอย่างมีนัยสำคัญ (F obl = 52.401; F tabl = 1.53)
ผลลัพธ์ทั่วไปของการวิเคราะห์การถดถอยสหสัมพันธ์ที่ดำเนินการคือ หลายสมการการถดถอยที่มีลักษณะดังนี้:
สมการการถดถอยที่เป็นผลลัพธ์ตรงตามวัตถุประสงค์ของการวิเคราะห์สหสัมพันธ์และการวิเคราะห์การถดถอย และเป็นแบบจำลองเชิงเส้นของการพึ่งพากำไรในงบดุลของบริษัทจากปัจจัยสองประการ ได้แก่ อัตราการเติบโตของผลิตภาพแรงงานและค่าสัมประสิทธิ์ของทรัพย์สินทางอุตสาหกรรม
จากแบบจำลองที่ได้รับ เราสามารถสรุปได้ว่าเมื่อระดับผลิตภาพแรงงานเพิ่มขึ้น 1% เมื่อเทียบกับช่วงก่อนหน้า กำไรในงบดุลจะเพิ่มขึ้น 0.95 จุดเปอร์เซ็นต์ การเพิ่มค่าสัมประสิทธิ์ของทรัพย์สินทางอุตสาหกรรม 1% จะทำให้ตัวบ่งชี้ที่มีประสิทธิภาพเพิ่มขึ้น 27.9 เปอร์เซ็นต์ ดังนั้นอิทธิพลที่โดดเด่นต่อการเติบโตของกำไรในงบดุลคือการเพิ่มมูลค่าของทรัพย์สินทางอุตสาหกรรม (การปรับปรุงและการเติบโตของสินทรัพย์ถาวรขององค์กร)
ตามแบบจำลองการถดถอยพหุคูณ การคาดการณ์แบบหลายปัจจัยของคุณลักษณะที่มีประสิทธิผลจะดำเนินการ ให้ทราบว่า X1 = 3.0 และ X3 = 0.7 ลองแทนค่าของเครื่องหมายตัวประกอบลงในแบบจำลอง เราจะได้ Cm = 0.95 * 3.0 + 27.9 * 0.7 - 19.4 = 2.98 ดังนั้น ด้วยการเพิ่มผลิตภาพแรงงานและความทันสมัยของสินทรัพย์ถาวรในองค์กร กำไรงบดุลในไตรมาสที่ 1 ของปี 2548 สัมพันธ์กับ ช่วงก่อนหน้า(ไตรมาสที่ 4 ปี 2547) จะเพิ่มขึ้น 2.98%
ในการกำหนดระดับการพึ่งพาระหว่างตัวบ่งชี้หลายตัว จะใช้ค่าสัมประสิทธิ์สหสัมพันธ์หลายค่า จากนั้นจะสรุปเป็นตารางแยกต่างหากซึ่งเรียกว่าเมทริกซ์สหสัมพันธ์ ชื่อของแถวและคอลัมน์ของเมทริกซ์ดังกล่าวคือชื่อของพารามิเตอร์ที่มีการพึ่งพาซึ่งกันและกัน ค่าสัมประสิทธิ์สหสัมพันธ์ที่สอดคล้องกันจะอยู่ที่จุดตัดของแถวและคอลัมน์ มาดูกันว่าคุณสามารถคำนวณที่คล้ายกันโดยใช้เครื่องมือ Excel ได้อย่างไร
เป็นเรื่องปกติที่จะกำหนดระดับความสัมพันธ์ระหว่างตัวบ่งชี้ต่างๆ ดังต่อไปนี้ ขึ้นอยู่กับค่าสัมประสิทธิ์สหสัมพันธ์:
- 0 - 0.3 - ไม่มีการเชื่อมต่อ
- 0.3 - 0.5 - การเชื่อมต่อที่อ่อนแอ
- 0.5 - 0.7 - การเชื่อมต่อเฉลี่ย
- 0.7 - 0.9 - สูง
- 0.9 - 1 - แข็งแกร่งมาก
หากค่าสัมประสิทธิ์สหสัมพันธ์เป็นลบ แสดงว่าความสัมพันธ์ของพารามิเตอร์นั้นผกผัน
ในการรวบรวมเมทริกซ์สหสัมพันธ์ใน Excel จะใช้เครื่องมือหนึ่งชิ้นซึ่งรวมอยู่ในแพ็คเกจ "การวิเคราะห์ข้อมูล". นั่นคือสิ่งที่เรียกว่า - "ความสัมพันธ์". มาดูกันว่าจะใช้คำนวณคะแนนสหสัมพันธ์หลายค่าได้อย่างไร
ขั้นตอนที่ 1: เปิดใช้งานชุดการวิเคราะห์
จะต้องบอกทันทีว่าแพ็คเกจเริ่มต้น "การวิเคราะห์ข้อมูล"พิการ. ดังนั้นก่อนที่จะดำเนินการตามขั้นตอนการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์โดยตรง คุณต้องเปิดใช้งานก่อน น่าเสียดายที่ไม่ใช่ผู้ใช้ทุกคนที่รู้วิธีการทำเช่นนี้ ดังนั้นเราจะให้ความสำคัญกับเรื่องนี้
หลังจากการดำเนินการที่ระบุ แพ็คเกจเครื่องมือ "การวิเคราะห์ข้อมูล"จะเปิดใช้งาน
ขั้นตอนที่ 2: การคำนวณค่าสัมประสิทธิ์
ตอนนี้คุณสามารถดำเนินการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณได้โดยตรง ลองใช้ตัวอย่างตารางตัวบ่งชี้ผลิตภาพแรงงาน อัตราส่วนทุนต่อแรงงาน และอัตราส่วนกำลังต่อน้ำหนักที่องค์กรต่างๆ เพื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณของปัจจัยเหล่านี้โดยใช้ตัวอย่างด้านล่าง
ขั้นตอนที่ 3: การวิเคราะห์ผลลัพธ์
ตอนนี้เรามาดูวิธีทำความเข้าใจผลลัพธ์ที่เราได้รับในกระบวนการประมวลผลข้อมูลด้วยเครื่องมือ "ความสัมพันธ์"วี โปรแกรมเอ็กเซล.
ดังที่เราเห็นได้จากตาราง ค่าสัมประสิทธิ์สหสัมพันธ์ของอัตราส่วนทุนต่อแรงงาน (คอลัมน์ 2) และอัตราส่วนกำลังต่อน้ำหนัก ( คอลัมน์ 1) เท่ากับ 0.92 ซึ่งสอดคล้องกับความสัมพันธ์ที่แน่นแฟ้นมาก ระหว่างผลิตภาพแรงงาน ( คอลัมน์ 3) และอัตราส่วนกำลังต่อน้ำหนัก ( คอลัมน์ 1) ตัวบ่งชี้นี้เท่ากับ 0.72 ซึ่งเป็นระดับสูงของการพึ่งพา ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างผลิตภาพแรงงาน ( คอลัมน์ 3) และอัตราส่วนทุนต่อแรงงาน ( คอลัมน์ 2) เท่ากับ 0.88 ซึ่งสอดคล้องกับระดับการพึ่งพาอาศัยกันในระดับสูง ดังนั้นเราจึงสามารถพูดได้ว่าความสัมพันธ์ระหว่างปัจจัยที่ศึกษาทั้งหมดสามารถตรวจสอบได้ค่อนข้างแข็งแกร่ง
อย่างที่คุณเห็นแพ็คเกจ "การวิเคราะห์ข้อมูล"ใน Excel เป็นเครื่องมือที่สะดวกและค่อนข้างใช้งานง่ายสำหรับการหาค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ นอกจากนี้ยังสามารถใช้ในการคำนวณความสัมพันธ์ปกติระหว่างสองปัจจัย
ข้อมูลทางเศรษฐกิจเป็นลักษณะเชิงปริมาณของวัตถุหรือกระบวนการทางเศรษฐกิจใดๆ พวกมันก่อตัวขึ้นภายใต้อิทธิพลของปัจจัยหลายอย่าง ไม่ใช่ทั้งหมดที่มีอยู่ การควบคุมภายนอก. ปัจจัยที่ไม่สามารถควบคุมได้ ค่าสุ่มจากค่าบางชุดและกำหนดความสุ่มของข้อมูลที่กำหนด ภารกิจหลักประการหนึ่งในการวิจัยทางเศรษฐศาสตร์คือ การวิเคราะห์การพึ่งพาระหว่างตัวแปร
เมื่อพิจารณาถึงการขึ้นต่อกันระหว่างคุณลักษณะต่างๆ จำเป็นต้องแยกแยะความแตกต่างของความสัมพันธ์ทั้งสองประเภทก่อน:
- การทำงาน -มีลักษณะที่สอดคล้องกันอย่างสมบูรณ์ระหว่างการเปลี่ยนแปลงในแอตทริบิวต์ของปัจจัยและการเปลี่ยนแปลงในค่าผลลัพธ์: แต่ละค่าของปัจจัยแอตทริบิวต์สอดคล้องกับค่าที่กำหนดไว้อย่างดีของแอตทริบิวต์ที่มีประสิทธิภาพความสัมพันธ์ประเภทนี้แสดงเป็นความสัมพันธ์แบบสูตร การพึ่งพาการทำงานสามารถเชื่อมโยงลักษณะที่เป็นผลลัพธ์กับลักษณะปัจจัยอย่างน้อยหนึ่งอย่าง ได้เลยค่า ค่าจ้างค่าจ้างตามเวลาขึ้นอยู่กับจำนวนชั่วโมงทำงาน
- ความสัมพันธ์- ไม่มีความสอดคล้องกันอย่างสมบูรณ์ระหว่างการเปลี่ยนแปลงของสัญญาณทั้งสอง อิทธิพลของปัจจัยแต่ละอย่างจะแสดงออกมาโดยเฉลี่ยเท่านั้น โดยมีการสังเกตจำนวนมากของข้อมูลจริง ผลกระทบพร้อมกันในลักษณะที่ศึกษา จำนวนมากปัจจัยต่าง ๆ นำไปสู่ ค่าเดียวกันของแอตทริบิวต์แฟกเตอร์สอดคล้องกับการแจกแจงค่าทั้งหมดของแอตทริบิวต์ผลลัพธ์เนื่องจากในแต่ละกรณี สัญญาณจากปัจจัยอื่นๆ สามารถเปลี่ยนความแรงและทิศทางของผลกระทบได้
ควรระลึกไว้เสมอว่าหากมีความสัมพันธ์เชิงหน้าที่ระหว่างสัญญาณ เป็นไปได้ที่จะทราบค่าของสัญญาณปัจจัยเพื่อระบุอย่างแม่นยำ มูลค่าของผลลัพธ์ในที่ที่มีการพึ่งพาอาศัยกันเท่านั้น แนวโน้มการเปลี่ยนแปลงของคุณลักษณะที่มีประสิทธิภาพเมื่อเปลี่ยนค่าของเครื่องหมายตัวประกอบ
ศึกษาความสัมพันธ์ระหว่างสัญญาณ จำแนกตามทิศทาง รูปแบบ จำนวนปัจจัย:
- ต่อการเชื่อมต่อแบ่งออกเป็น ตรงและ ย้อนกลับ.ด้วยการเชื่อมต่อโดยตรง ทิศทางของการเปลี่ยนแปลงในแอตทริบิวต์ที่มีประสิทธิผลจะสอดคล้องกับทิศทางของการเปลี่ยนแปลงในปัจจัยเครื่องหมาย ด้วยข้อมูลป้อนกลับ ทิศทางของการเปลี่ยนแปลงในฟีเจอร์ที่มีผลจะตรงข้ามกับทิศทางของการเปลี่ยนแปลงในฟีเจอร์-แฟกเตอร์ ตัวอย่างเช่นยิ่งคุณสมบัติของคนงานสูงเท่าใดระดับการผลิตของแรงงานก็จะยิ่งสูงขึ้นเท่านั้น (ความสัมพันธ์โดยตรง) ยิ่งผลิตภาพแรงงานสูงเท่าใด ต้นทุนต่อหน่วยการผลิตก็จะยิ่งต่ำลงเท่านั้น ( ข้อเสนอแนะ);
- แจ้ง(ประเภทของฟังก์ชัน) การเชื่อมต่อแบ่งออกเป็น เชิงเส้น(เส้นตรง) และ ไม่ใช่เชิงเส้น(เส้นโค้ง). ความสัมพันธ์เชิงเส้นจะแสดงเป็นเส้นตรง ความสัมพันธ์ที่ไม่ใช่เชิงเส้น - เป็นเส้นโค้ง (พาราโบลา ไฮเปอร์โบลา ฯลฯ) ด้วยความสัมพันธ์เชิงเส้นกับการเพิ่มค่าของแอตทริบิวต์แฟกเตอร์ ค่าของแอตทริบิวต์ผลลัพธ์จะเพิ่มขึ้น (ลดลง) อย่างสม่ำเสมอ
- ตามจำนวนของปัจจัยที่กระทำกับสัญญาณที่มีประสิทธิภาพการสื่อสารแบ่งออกเป็น ปัจจัยเดียว(จับคู่) และ หลายปัจจัย
การศึกษาการพึ่งพาอาศัยกันของความผันแปรของสัญญะต่อสภาวะแวดล้อมเป็นเนื้อหาของทฤษฎีสหสัมพันธ์
เมื่อทำการวิเคราะห์สหสัมพันธ์ จะถือว่าข้อมูลทั้งชุดเป็นชุดของตัวแปร (ปัจจัย) ซึ่งแต่ละชุดประกอบด้วย พีข้อสังเกต
เมื่อศึกษาความสัมพันธ์ระหว่างสองปัจจัยมักจะแสดงแทน X=(x หน้า x 2,...,x หน้า)และ Y= (y ( , y 2 ,... , y และ).
ความแปรปรวนร่วม -มันเป็นสถิติ การวัดปฏิสัมพันธ์สองตัวแปร ตัวอย่างเช่น ความแปรปรวนร่วมของผลตอบแทนที่เป็นบวกของสอง กระดาษที่มีค่าแสดงให้เห็นว่าอัตราผลตอบแทนของหลักทรัพย์เหล่านี้มีแนวโน้มที่จะเปลี่ยนแปลงไปในทิศทางเดียว
ความแปรปรวนร่วมระหว่างสองตัวแปร เอ็กซ์และ วายคำนวณได้ดังนี้
ค่าที่แท้จริงของตัวแปรอยู่ที่ไหน
เอ็กซ์และ G;
ถ้าตัวแปรสุ่ม ฮี วายเป็นอิสระต่อกัน ความแปรปรวนร่วมทางทฤษฎีเป็นศูนย์
ความแปรปรวนร่วมขึ้นอยู่กับหน่วยที่วัดตัวแปร ฮี่ๆ Y เป็นปริมาณที่ไม่ปกติ ดังนั้นในการวัด กองกำลังสื่อสารระหว่างสองตัวแปร จะใช้สถิติอื่นที่เรียกว่า ค่าสัมประสิทธิ์สหสัมพันธ์
สำหรับสองตัวแปร เอ็กซ์และ ค่าสัมประสิทธิ์สหสัมพันธ์คู่ Y
กำหนดไว้ดังนี้
ที่ไหน SSy-ค่าประมาณความแปรปรวน ฮี วายลักษณะประมาณการเหล่านี้ ระดับการกระจายตัวค่า x ( , x 2 , ..., x n (y 1 , y 2 , y n)ประมาณค่าเฉลี่ยของคุณ x (ยตามลำดับ) หรือ ความแปรปรวน(ความแปรปรวน) ของตัวแปรเหล่านี้ในชุดของการสังเกต
การกระจายตัว(ค่าประมาณความแปรปรวน) ถูกกำหนดโดยสูตร
ใน กรณีทั่วไปเพื่อให้ได้ค่าประมาณของความแปรปรวนที่เป็นกลาง ผลรวมของกำลังสองควรหารด้วยจำนวนองศาอิสระของการประมาณ (เป็นต้น),ที่ไหน พี -ขนาดตัวอย่าง, ร -จำนวนลิงก์ที่กำหนดในตัวอย่าง เนื่องจากมีการใช้ตัวอย่างเพื่อหาค่าเฉลี่ยไปแล้วหนึ่งครั้ง x,จำนวนพันธบัตรที่ซ้อนทับในกรณีนี้จะเท่ากับหนึ่ง (พี = 1) และจำนวนองศาอิสระของการประมาณ (เช่น จำนวนองค์ประกอบตัวอย่างอิสระ) เท่ากับ (พ - 1).
การวัดระดับการแพร่กระจายในค่าของตัวแปรในหน่วยเดียวกับที่วัดตัวแปรนั้นเป็นธรรมชาติกว่า ปัญหานี้ได้รับการแก้ไขโดยตัวบ่งชี้ที่เรียกว่า ส่วนเบี่ยงเบนมาตรฐาน (ส่วนเบี่ยงเบนมาตรฐาน) หรือ มาตรฐานบกพร่องตัวแปร เอ็กซ์(ตัวแปร ย)และกำหนดโดยอัตราส่วน
เงื่อนไขในตัวเศษของสูตร (3.2.1) แสดงปฏิสัมพันธ์ของตัวแปรสองตัวและกำหนดสัญญาณของความสัมพันธ์ (บวกหรือลบ) ตัวอย่างเช่น ถ้ามีความสัมพันธ์เชิงบวกอย่างมากระหว่างตัวแปร (เพิ่มขึ้นในตัวแปรหนึ่งเมื่อตัวแปรอื่นเพิ่มขึ้น) แต่ละเทอมจะเป็นจำนวนบวก ในทำนองเดียวกัน หากมีความสัมพันธ์เชิงลบอย่างมากระหว่างตัวแปร พจน์ทั้งหมดในตัวเศษจะเป็นจำนวนลบ ส่งผลให้ค่าสหสัมพันธ์เป็นลบ
ตัวส่วนของนิพจน์สำหรับค่าสัมประสิทธิ์สหสัมพันธ์ของคู่ [ดู สูตร (3.2.2)] เพียงแค่ทำให้ตัวเศษเป็นปกติในลักษณะที่สัมประสิทธิ์สหสัมพันธ์กลายเป็นตัวเลขที่ตีความได้ง่ายซึ่งไม่มีมิติและรับค่าจาก -1 ถึง +1
ตัวเศษของนิพจน์สำหรับค่าสัมประสิทธิ์สหสัมพันธ์ ซึ่งตีความได้ยากเนื่องจากหน่วยผิดปกติคือ ความแปรปรวนร่วม XYแม้ว่าบางครั้งจะใช้เป็นลักษณะอิสระ (ตัวอย่างเช่นในทฤษฎีการเงินเพื่ออธิบายการเปลี่ยนแปลงร่วมกันของราคาหุ้นในการแลกเปลี่ยนสองแห่ง) สะดวกกว่าที่จะใช้ค่าสัมประสิทธิ์สหสัมพันธ์ ความสัมพันธ์และความแปรปรวนร่วมแสดงโดยพื้นฐานแล้วเป็นข้อมูลเดียวกัน แต่ความสัมพันธ์นำเสนอข้อมูลนี้ในรูปแบบที่สะดวกกว่า
สำหรับ การประเมินเชิงคุณภาพค่าสัมประสิทธิ์สหสัมพันธ์ ใช้มาตราส่วนต่างๆ ที่ใช้กันมากที่สุดคือ มาตราส่วนแชดด็อก ขึ้นอยู่กับค่าของสัมประสิทธิ์สหสัมพันธ์ ความสัมพันธ์สามารถมีค่าประมาณอย่างใดอย่างหนึ่งต่อไปนี้:
- 0.1-0.3 - อ่อนแอ
- 0.3-0.5 - สังเกตได้;
- 0.5-0.7 - ปานกลาง
- 0.7-0.9 - สูง
- 0.9-1.0 - สูงมาก
การประเมินระดับความใกล้ชิดของการเชื่อมต่อโดยใช้ค่าสัมประสิทธิ์สหสัมพันธ์นั้นดำเนินการตามกฎบนพื้นฐานของข้อมูลที่ จำกัด มากหรือน้อยเกี่ยวกับปรากฏการณ์ภายใต้การศึกษา ในเรื่องนี้จำเป็นต้องประเมินความสำคัญ ค่าสัมประสิทธิ์เชิงเส้นความสัมพันธ์ซึ่งทำให้สามารถขยายข้อสรุปจากผลลัพธ์ของกลุ่มตัวอย่างไปยังประชากรทั่วไป
การประเมินนัยสำคัญของค่าสัมประสิทธิ์สหสัมพันธ์สำหรับตัวอย่างขนาดเล็กดำเนินการโดยใช้แบบทดสอบ 7 ของนักเรียน ในกรณีนี้ ค่าจริง (ที่สังเกตได้) ของเกณฑ์นี้จะถูกกำหนดโดยสูตร
ค่า / obs ที่คำนวณโดยใช้สูตรนี้จะเปรียบเทียบกับค่าวิกฤตของเกณฑ์θซึ่งนำมาจากตารางค่าของ / -test ของนักเรียน (ดูภาคผนวก 2) โดยคำนึงถึงระดับนัยสำคัญที่กำหนด σ และจำนวนองศาอิสระ (ป - 2).
หาก 7 obs > 7 tab ค่าที่ได้รับของสัมประสิทธิ์สหสัมพันธ์จะถือว่ามีนัยสำคัญ (เช่น สมมติฐานว่างที่ยืนยันว่าค่าสัมประสิทธิ์สหสัมพันธ์เท่ากับศูนย์ถูกปฏิเสธ) ดังนั้นจึงสรุปได้ว่ามีความสัมพันธ์ทางสถิติที่ใกล้ชิดระหว่างตัวแปรที่ศึกษา
ถ้าค่า y xใกล้ศูนย์ ความสัมพันธ์ระหว่างตัวแปรอ่อนแอ หากความสัมพันธ์ระหว่างตัวแปรสุ่ม:
- เป็นบวก จากนั้นเมื่อตัวแปรสุ่มหนึ่งเพิ่มขึ้น อีกตัวแปรหนึ่งมีแนวโน้มที่จะเพิ่มขึ้นโดยเฉลี่ย
- เป็นค่าลบ จากนั้นเมื่อตัวแปรสุ่มหนึ่งเพิ่มขึ้น อีกตัวแปรหนึ่งมีแนวโน้มที่จะลดลงโดยเฉลี่ย เครื่องมือกราฟิกที่สะดวกสำหรับการวิเคราะห์ข้อมูลที่จับคู่คือ พล็อตกระจายซึ่งแสดงถึงการสังเกตแต่ละครั้งในพื้นที่สองมิติที่สอดคล้องกับสองปัจจัย แผนภาพกระจายซึ่งแสดงชุดค่าของคุณสมบัติสองอย่างเรียกอีกอย่างว่า เขตข้อมูลความสัมพันธ์แต่ละจุดของไดอะแกรมนี้มีพิกัด x (. และ วาย กเมื่อความแข็งแกร่งของความสัมพันธ์เชิงเส้นเพิ่มขึ้น จุดบนกราฟจะอยู่ใกล้เส้นตรงมากขึ้น และขนาด ชจะยิ่งแนบแน่นเป็นปึกแผ่น
ค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ใช้เพื่อวัดความแข็งแกร่งของความสัมพันธ์เชิงเส้นระหว่างคู่คุณลักษณะต่างๆ จากชุดของพวกมัน รับชุดคุณสมบัติต่างๆ เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่
ให้ชุดข้อมูลทั้งหมดประกอบด้วยตัวแปร Y==(ที่ ร ปี 2 , ..., ป)และ ตตัวแปร (ปัจจัย) x,ซึ่งแต่ละรายการประกอบด้วย พีข้อสังเกต ค่าตัวแปร วายและ x,ที่มีอยู่ในประชากรที่สังเกตได้จะถูกบันทึกไว้ในตาราง (ตารางที่ 3.2.1)
ตารางที่ 3.2.1
ตัวแปร ตัวเลข ข้อสังเกต |
|||||
เอ็กซ์ t3 |
|||||
Х tp |
คำนวณจากข้อมูลที่มีอยู่ในตารางนี้ เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์คู่ Rมันสมมาตรกับเส้นทแยงมุมหลัก:
การวิเคราะห์เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ถูกนำมาใช้ในการสร้างแบบจำลองการถดถอยพหุคูณ
เมทริกซ์สหสัมพันธ์หนึ่งรายการไม่สามารถอธิบายการพึ่งพาระหว่างปริมาณได้อย่างสมบูรณ์ ด้วยเหตุนี้ในหลายมิติ การวิเคราะห์ความสัมพันธ์มีการพิจารณาสองงาน:
- 1. การกำหนดความหนาแน่นของความสัมพันธ์ของตัวแปรสุ่มหนึ่งตัวกับผลรวมของตัวแปรอื่น ๆ ที่รวมอยู่ในการวิเคราะห์
- 2. กำหนดความหนาแน่นของความสัมพันธ์ระหว่างสองปริมาณในขณะที่กำหนดหรือไม่รวมอิทธิพลของปริมาณอื่น ๆ
ปัญหาเหล่านี้ได้รับการแก้ไขตามลำดับด้วยความช่วยเหลือของค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณและบางส่วน
การแก้ปัญหาแรก (การกำหนดความใกล้ชิดของการเชื่อมต่อของตัวแปรสุ่มหนึ่งตัวกับชุดของตัวแปรอื่น ๆ ที่รวมอยู่ในการวิเคราะห์) ดำเนินการโดยใช้ ตัวอย่างค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณตามสูตร
ที่ไหน R- ร[ซม. สูตร (3.2.6)]; Rjj-ส่วนเติมเต็มเชิงพีชคณิตขององค์ประกอบในเมทริกซ์เดียวกัน ร.
กำลังสองของค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ สชญ2 เจ _j เจ+แอล มเรียกว่า เลือกค่าสัมประสิทธิ์พหุคูณของการกำหนด; มันแสดงให้เห็นสัดส่วนของการแปรผัน (การกระจายแบบสุ่ม) ของปริมาณที่ศึกษา เอ็กซ์เจอธิบายการเปลี่ยนแปลงของส่วนที่เหลือ ตัวแปรสุ่ม X ( , X 2 ,..., X t
ค่าสัมประสิทธิ์ของสหสัมพันธ์พหุคูณและการกำหนดเป็นค่าบวกโดยรับค่าในช่วงตั้งแต่ 0 ถึง 1 เมื่อค่าสัมประสิทธิ์เข้าใกล้ ร 2 เป็นอันหนึ่งอันเดียวกัน เราสามารถสรุปได้ว่าความสัมพันธ์ของตัวแปรสุ่มนั้นใกล้เคียงกัน แต่ไม่เกี่ยวกับทิศทางของมัน ค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณจะเพิ่มขึ้นได้ก็ต่อเมื่อมีการรวมตัวแปรเพิ่มเติมในโมเดล และจะไม่เพิ่มขึ้นหากไม่รวมคุณสมบัติใดๆ ที่มี
การตรวจสอบความสำคัญของค่าสัมประสิทธิ์ของการกำหนดนั้นดำเนินการโดยการเปรียบเทียบค่าที่คำนวณได้ของ /'-เกณฑ์ของฟิชเชอร์
ด้วยตาราง ฉรับ ค่าแบบตารางของเกณฑ์ (ดูภาคผนวก 1) กำหนดโดยระดับความสำคัญ a และระดับความเป็นอิสระที่กำหนด v l \u003d mnv 2 \u003d n-m-lค่าสัมประสิทธิ์ R2จะแตกต่างจากศูนย์อย่างมีนัยสำคัญหากอสมการ
หากพิจารณาจากตัวแปรสุ่ม มีความสัมพันธ์ซึ่งกันและกันค่าสัมประสิทธิ์สหสัมพันธ์ของคู่จะได้รับผลกระทบบางส่วนจากอิทธิพลของปริมาณอื่นๆ ในเรื่องนี้จำเป็นต้องศึกษาความสัมพันธ์บางส่วนระหว่างตัวแปรโดยไม่รวมอิทธิพลของตัวแปรสุ่มอื่น ๆ (หนึ่งตัวหรือมากกว่า)
ตัวอย่างค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนถูกกำหนดโดยสูตร
ที่ไหน Rjk , Rjj , Rkk -การเพิ่มพีชคณิตให้กับองค์ประกอบเมทริกซ์ที่สอดคล้องกัน ร[ซม. สูตร (3.2.6)].
ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วน เช่นเดียวกับ ค่าสัมประสิทธิ์คู่ความสัมพันธ์ แปรผันตั้งแต่ -1 ถึง +1
นิพจน์ (3.2.9) ภายใต้เงื่อนไข เสื้อ = 3 จะมีลักษณะอย่างไร
เรียกค่าสัมประสิทธิ์ r 12(3) ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่าง x (และ x 2 สำหรับค่าคงที่ x yมีความสมมาตรเมื่อเทียบกับดัชนีหลัก 1, 2 ดัชนีรอง 3 หมายถึงตัวแปรคงที่
ตัวอย่าง 3.2.1 การคำนวณค่าสัมประสิทธิ์คู่
สหสัมพันธ์พหุคูณและบางส่วน
ในตาราง 3.2.2 ให้ข้อมูลเกี่ยวกับยอดขายและค่าโฆษณาของบริษัทหนึ่ง ตลอดจนดัชนีการใช้จ่ายของผู้บริโภคสำหรับปีปัจจุบัน
- 1. สร้าง scatterplot (ฟิลด์สหสัมพันธ์) สำหรับตัวแปร "ปริมาณการขาย" และ "ดัชนีการใช้จ่ายของผู้บริโภค"
- 2. กำหนดระดับของอิทธิพลของดัชนีการใช้จ่ายของผู้บริโภคต่อปริมาณการขาย (คำนวณค่าสัมประสิทธิ์สหสัมพันธ์ของคู่)
- 3. ประเมินความสำคัญของค่าสัมประสิทธิ์สหสัมพันธ์คู่ที่คำนวณได้
- 4. สร้างเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่สำหรับตัวแปรสามตัว
- 5. หาค่าประมาณของค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ
- 6. ค้นหาค่าประมาณของค่าสัมประสิทธิ์สหสัมพันธ์บางส่วน
1. ในตัวอย่างของเรา แผนภาพกระจายมีรูปแบบที่แสดงในรูปที่ 3.2.1. การยืดตัวของ point cloud ใน scatterplot ตามเส้นตรงเอียงทำให้เราสามารถตั้งสมมติฐานได้ว่ามีแนวโน้มวัตถุประสงค์สำหรับความสัมพันธ์เชิงเส้นโดยตรงระหว่างค่าของตัวแปร เอ็กซ์ 2 วาย(ปริมาณการขาย).
ข้าว. 3.2.1.
2. การคำนวณระดับกลางเมื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปร เอ็กซ์ 2(ดัชนีการใช้จ่ายของผู้บริโภค) และ วาย(ปริมาณการขาย) แสดงไว้ในตาราง 3.2.3.
ค่าเฉลี่ยตัวแปรสุ่ม เอ็กซ์ 2และ วายซึ่งเป็นตัวบ่งชี้ที่ง่ายที่สุดที่แสดงลักษณะของลำดับ jCj x 2,..., x 16 และ y v y 2 ,..., y 16 เราคำนวณตามสูตรต่อไปนี้:
ปริมาณการขาย Y, พันรูเบิล |
ดัชนี บริโภค เทลสกี้ ค่าใช้จ่าย |
ปริมาณการขาย Y, พันรูเบิล |
ดัชนี บริโภค เทลสกี้ ค่าใช้จ่าย |
||
ตารางที่ 3.2.3
ล:, - เอ็กซ์ |
(และ - ย)(x, - x) |
(x, - x)2 |
(ย, - - ย) 2 |
||||
การกระจายตัวกำหนดลักษณะระดับของการแพร่กระจายของค่า x v x 2 , x :
พิจารณาวิธีแก้ปัญหาสำหรับตัวอย่าง 3.2.1 ใน Excel
ในการคำนวณความสัมพันธ์โดยใช้ Excel คุณสามารถใช้ฟังก์ชัน =correl() เป็นการระบุแอดเดรสของตัวเลขสองคอลัมน์ดังแสดงในรูป 3.2.2. คำตอบอยู่ใน D8 และเท่ากับ 0.816
ข้าว. 3.2.2.
(หมายเหตุ: อาร์กิวเมนต์ของฟังก์ชัน คอร์เรลต้องเป็นตัวเลขหรือชื่อ อาร์เรย์หรือการอ้างอิงที่มีตัวเลข หากอาร์กิวเมนต์ซึ่งเป็นอาร์เรย์หรือลิงก์ประกอบด้วยข้อความ บูลีน หรือเซลล์ว่าง ค่าเหล่านั้นจะถูกละเว้น อย่างไรก็ตามเซลล์ที่มีค่า Null จะถูกนับ
ถ้าเป็นอาร์เรย์! และ array2 มีจำนวนจุดข้อมูลต่างกัน จากนั้นจึงเป็นฟังก์ชัน correl ส่งกลับค่าความผิดพลาด #n/a
ถ้า array1 หรือ array2 ว่าง หรือถ้า o ( ส่วนเบี่ยงเบนมาตรฐาน) ของค่าของพวกเขาเท่ากับศูนย์แล้วฟังก์ชัน correl ส่งกลับค่าความผิดพลาด #div/0 !.)
นอกจากนี้ยังสามารถรับค่าวิกฤตของ /-สถิตินักเรียนได้โดยใช้ฟังก์ชัน steudrasprobr 1 แพ็คเกจ Excel เป็นอาร์กิวเมนต์ของฟังก์ชัน คุณต้องระบุจำนวนองศาอิสระเท่ากับ พี- 2 (ในตัวอย่างของเรา 16 - 2= 14) และระดับนัยสำคัญ a (ในตัวอย่างของเรา a = 0.1) (รูปที่ 3.2.3) ถ้า มูลค่าที่แท้จริง//-statistics, โมดูโลที่ถ่ายมา และอื่นๆ วิกฤต,จากนั้นด้วยความน่าจะเป็น (1 - a) ค่าสัมประสิทธิ์สหสัมพันธ์จะแตกต่างจากศูนย์อย่างมีนัยสำคัญ
ข้าว. 3.2.3. ค่าวิกฤตของ /-statistic คือ 1.7613
Excel มีชุดเครื่องมือวิเคราะห์ข้อมูล (ที่เรียกว่าแพ็คเกจการวิเคราะห์) ที่ออกแบบมาเพื่อแก้ปัญหาทางสถิติต่างๆ ในการคำนวณเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ รใช้เครื่องมือสหสัมพันธ์ (รูปที่ 3.2.4) และตั้งค่าพารามิเตอร์การวิเคราะห์ในกล่องโต้ตอบที่เกี่ยวข้อง คำตอบจะอยู่ในแผ่นงานใหม่ (รูปที่ 3.2.5)
1 ใน Excel 2010 ชื่อฟังก์ชัน steudrasprobr เปลี่ยนเป็น steu-
DENT.ORD.2X.
ข้าว. 3.2.4.
ข้าว. 3.2.5.
- นักสถิติชาวอังกฤษ F. Galton (1822-1911) และ K. Pearson (1857-1936) ถือเป็นผู้ก่อตั้งทฤษฎีความสัมพันธ์ คำว่า "สหสัมพันธ์" ยืมมาจากวิทยาศาสตร์ธรรมชาติ และแปลว่า "ความสัมพันธ์ การติดต่อ" แนวคิดของความสัมพันธ์ในฐานะการพึ่งพาซึ่งกันและกันระหว่างตัวแปรสุ่มนั้นอยู่ภายใต้ทฤษฎีสหสัมพันธ์ทางคณิตศาสตร์และสถิติ
สำหรับดินแดนของ Southern Federal District ของสหพันธรัฐรัสเซีย ข้อมูลได้รับในปี 2554
ดินแดนของเขตการปกครองของรัฐบาลกลาง |
ผลิตภัณฑ์มวลรวมของภูมิภาค, พันล้านรูเบิล, Y |
การลงทุนในทุนคงที่ พันล้านรูเบิล X1 |
1. ตัวแทน แอดเยีย |
||
2. ตัวแทน ดาเกสถาน |
||
3. ตัวแทน อินกูเชเทีย |
||
4. สาธารณรัฐ Kabardino-Balkarian |
||
5. ตัวแทน คัลมีเคีย |
||
6. สาธารณรัฐ Karachay-Cherkess |
||
7. ตัวแทน ออสเซเทียเหนือ- อลันย่า |
||
8. ภูมิภาคครัสโนดาร์) |
||
9. ดินแดน Stavropol |
||
10. ภูมิภาค Astrakhan |
||
11. ภูมิภาคโวลโกกราด |
||
12. ภูมิภาครอสตอฟ |
- 1. คำนวณเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ ประเมินนัยสำคัญทางสถิติของค่าสัมประสิทธิ์สหสัมพันธ์
- 2. สร้างฟิลด์ความสัมพันธ์ของคุณลักษณะที่เป็นผลลัพธ์และปัจจัยที่เกี่ยวข้องอย่างใกล้ชิดที่สุด
- 3. คำนวณพารามิเตอร์ของการถดถอยคู่เชิงเส้นสำหรับแต่ละปัจจัย X..
- 4. ประเมินคุณภาพของแต่ละแบบจำลองผ่านค่าสัมประสิทธิ์ของการกำหนด ข้อผิดพลาดในการประมาณค่าเฉลี่ย และการทดสอบ Fisher's F-test เลือกรุ่นที่ดีที่สุด
จะเป็น 80% ของมูลค่าสูงสุด นำเสนอแบบกราฟิก: ค่าจริงและแบบจำลอง จุดคาดการณ์
- 6. ใช้การถดถอยพหุคูณแบบขั้นตอน (วิธีการยกเว้นหรือวิธีการรวม) สร้างแบบจำลองการก่อตัวของราคาอพาร์ทเมนท์เนื่องจากปัจจัยสำคัญ ให้การตีความทางเศรษฐกิจของค่าสัมประสิทธิ์ของแบบจำลองการถดถอย
- 7. ประเมินคุณภาพของแบบจำลองที่สร้างขึ้น คุณภาพของโมเดลดีขึ้นเมื่อเทียบกับโมเดลปัจจัยเดียวหรือไม่? ให้ประเมินอิทธิพลของปัจจัยที่มีนัยสำคัญต่อผลลัพธ์โดยใช้ค่าสัมประสิทธิ์ความยืดหยุ่นใน - และ -? ค่าสัมประสิทธิ์
เมื่อแก้ปัญหานี้ การคำนวณและการสร้างกราฟและไดอะแกรมจะดำเนินการโดยใช้การตั้งค่า การวิเคราะห์ Excelข้อมูล.
1. คำนวณเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่และประเมินนัยสำคัญทางสถิติของค่าสัมประสิทธิ์สหสัมพันธ์
ในกล่องโต้ตอบ ความสัมพันธ์ ในฟิลด์ ช่วงเวลาป้อนข้อมูล ให้ป้อนช่วงของเซลล์ที่มีข้อมูลต้นฉบับ เนื่องจากเราเลือกส่วนหัวของคอลัมน์ด้วย เราจึงเลือกช่องกาเครื่องหมายป้ายกำกับในแถวแรก
เราได้ผลลัพธ์ดังต่อไปนี้:
ตารางที่ 1.1 เมทริกซ์ของสัมประสิทธิ์สหสัมพันธ์แบบคู่
การวิเคราะห์เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่แสดงให้เห็นว่าตัวแปรตาม Y เช่น ผลิตภัณฑ์มวลรวมในภูมิภาค มีความสัมพันธ์ใกล้ชิดกับ X1 (การลงทุนในทุนคงที่) ค่าสัมประสิทธิ์สหสัมพันธ์เท่ากับ 0.936 ซึ่งหมายความว่าตัวแปรตาม Y (ผลิตภัณฑ์มวลรวมของภูมิภาค) คือ 93.6% ขึ้นอยู่กับ X1 (การลงทุนในสินทรัพย์ถาวร)
นัยสำคัญทางสถิติของค่าสัมประสิทธิ์สหสัมพันธ์จะถูกกำหนดโดยใช้แบบทดสอบของนักเรียน ค่าตารางจะถูกเปรียบเทียบกับค่าที่คำนวณได้
ลองคำนวณค่าตารางโดยใช้ฟังก์ชัน STUDRIST
ตารางเสื้อ = 0.129 ที่ ระดับความเชื่อมั่นเท่ากับ 0.9 และองศาอิสระ (n-2)
ปัจจัย X1 มีนัยสำคัญทางสถิติ
2. มาสร้างฟิลด์ความสัมพันธ์ของคุณลักษณะที่มีประสิทธิภาพ (ผลิตภัณฑ์มวลรวมของภูมิภาค) และปัจจัยที่เกี่ยวข้องอย่างใกล้ชิดที่สุด (การลงทุนในทุนคงที่)
ในการทำเช่นนี้ เราจะใช้เครื่องมือสำหรับสร้างแผนภาพกระจายใน Excel
เป็นผลให้เราได้รับฟิลด์ความสัมพันธ์ของราคาของผลิตภัณฑ์มวลรวมในภูมิภาค พันล้านรูเบิล และการลงทุนในทุนคงที่ พันล้านรูเบิล (รูปที่ 1.1.)
รูปที่ 1.1
3. คำนวณพารามิเตอร์ของการถดถอยคู่เชิงเส้นสำหรับแต่ละปัจจัย X
ในการคำนวณค่าพารามิเตอร์ของการถดถอยแบบคู่เชิงเส้น เราจะใช้เครื่องมือการถดถอยที่รวมอยู่ในการตั้งค่าการวิเคราะห์ข้อมูล
ในกล่องโต้ตอบ การถดถอย ในฟิลด์ ช่วงเวลาป้อนข้อมูล Y ให้ป้อนที่อยู่ของช่วงของเซลล์ที่แสดงถึงตัวแปรตาม ในสนาม
ช่วงเวลาอินพุต X เราป้อนที่อยู่ของช่วงที่มีค่าของตัวแปรอิสระ ลองคำนวณพารามิเตอร์การถดถอยแบบคู่สำหรับปัจจัย X
สำหรับ X1 ได้รับข้อมูลต่อไปนี้ แสดงในตาราง 1.2:
ตารางที่ 1.2
สมการถดถอยสำหรับการพึ่งพาราคาของผลิตภัณฑ์มวลรวมในภูมิภาคจากการลงทุนในทุนคงที่มีรูปแบบ:
4. มาประเมินคุณภาพของแต่ละรุ่นผ่านค่าสัมประสิทธิ์ของการพิจารณา ข้อผิดพลาดในการประมาณค่าเฉลี่ย และเกณฑ์ F ของ Fisher มาดูกันว่ารุ่นไหนดีที่สุด
ค่าสัมประสิทธิ์ของการกำหนด, ข้อผิดพลาดในการประมาณค่าเฉลี่ย, เราได้รับจากการคำนวณที่ดำเนินการในวรรค 3 ข้อมูลที่ได้รับแสดงในตารางต่อไปนี้:
ข้อมูลสำหรับ X1:
ตารางที่ 1.3a
ตารางที่ 1.4b
A) ค่าสัมประสิทธิ์การกำหนดกำหนดสัดส่วนของการแปรผันของแอตทริบิวต์ Y ที่นำมาพิจารณาในแบบจำลองและเกิดจากอิทธิพลของปัจจัย X ค่าสัมประสิทธิ์การกำหนดยิ่งมากความสัมพันธ์ยิ่งใกล้ชิด ระหว่างแอตทริบิวต์ในการสร้าง แบบจำลองทางคณิตศาสตร์.
ใน Excel R-square จะแสดงแทน
ตามเกณฑ์นี้ แบบจำลองของสมการถดถอยสำหรับการพึ่งพาราคาของผลิตภัณฑ์มวลรวมในภูมิภาคจากการลงทุนในสินทรัพย์ถาวร (X1) นั้นเพียงพอที่สุด
B) คำนวณข้อผิดพลาดในการประมาณค่าเฉลี่ยโดยใช้สูตร:
โดยที่ตัวเศษคือผลรวมของการเบี่ยงเบนกำลังสองของค่าที่คำนวณได้จากค่าจริง ในตาราง จะอยู่ในคอลัมน์ SS แถวส่วนที่เหลือ
เราคำนวณค่าเฉลี่ยของราคาอพาร์ทเมนต์ใน Excel โดยใช้ฟังก์ชัน AVERAGE = 24.18182 พันล้านรูเบิล
เมื่อทำการคำนวณทางเศรษฐกิจ แบบจำลองจะถือว่ามีความแม่นยำเพียงพอหาก หมายถึงข้อผิดพลาดค่าประมาณน้อยกว่า 5% แบบจำลองจะถือว่ายอมรับได้หากข้อผิดพลาดในการประมาณเฉลี่ยน้อยกว่า 15%
ตามเกณฑ์นี้ แบบจำลองทางคณิตศาสตร์ที่เพียงพอที่สุดสำหรับสมการถดถอยของการพึ่งพาราคาของผลิตภัณฑ์มวลรวมในภูมิภาคจากการลงทุนในสินทรัพย์ถาวร (X1)
C) การทดสอบ F ใช้เพื่อทดสอบความสำคัญของแบบจำลองการถดถอย สำหรับสิ่งนี้ การเปรียบเทียบค่าวิกฤต (ตาราง) ของการทดสอบ F ของฟิชเชอร์
ค่าที่คำนวณได้จากตาราง 1.4b (ระบุด้วยตัวอักษร F)
ค่าตารางของการทดสอบ Fisher's F คำนวณใน Excel โดยใช้ฟังก์ชัน FDISP เราใช้ความน่าจะเป็นเท่ากับ 0.05 ได้รับ: = 4.75
ค่าที่คำนวณได้ของการทดสอบ Fisher's F สำหรับแต่ละปัจจัยเทียบได้กับค่าตาราง:
71.02 > = 4.75 แบบจำลองเพียงพอตามเกณฑ์นี้
หลังจากวิเคราะห์ข้อมูลสำหรับเกณฑ์ทั้งสามแล้ว เราสามารถสรุปได้ว่าสิ่งที่ดีที่สุดคือแบบจำลองทางคณิตศาสตร์ที่สร้างขึ้นสำหรับปัจจัยผลิตภัณฑ์มวลรวมของภูมิภาค ซึ่งอธิบายโดยสมการเชิงเส้น
5. สำหรับรูปแบบที่เลือกของการพึ่งพาราคาของผลิตภัณฑ์มวลรวมของภูมิภาค
เราจะทำนายค่าเฉลี่ยของตัวบ่งชี้ที่ระดับนัยสำคัญหากค่าที่ทำนายของปัจจัยคือ 80% ของค่าสูงสุด ลองแสดงแบบกราฟิก: ค่าจริงและแบบจำลอง จุดคาดการณ์
คำนวณค่าคาดการณ์ของ X ตามเงื่อนไข จะเป็น 80% ของค่าสูงสุด
คำนวณ X max ใน Excel โดยใช้ฟังก์ชัน MAX
0,8 *52,8 = 42,24
เพื่อให้ได้ค่าประมาณเชิงทำนายของตัวแปรตาม เราแทนค่าที่ได้รับของตัวแปรอิสระลงในสมการเชิงเส้น:
5.07 + 2.14 * 42.24 \u003d 304.55 พันล้านรูเบิล
ให้เรากำหนดช่วงความเชื่อมั่นของการพยากรณ์ซึ่งจะมีขอบเขตดังต่อไปนี้:
การคำนวณ ช่วงความมั่นใจสำหรับค่าที่คาดการณ์ไว้ เราจะคำนวณค่าเบี่ยงเบนจากเส้นการถดถอย
สำหรับแบบจำลองการถดถอยแบบจับคู่ ค่าเบี่ยงเบนจะถูกคำนวณ:
เหล่านั้น. ความหมาย มาตรฐานบกพร่องจากตาราง 1.5ก.
(เนื่องจากจำนวนองศาอิสระเท่ากับหนึ่ง ตัวส่วนจะเท่ากับ n-2) การทำนายการถดถอยแบบคู่สัมพันธ์
ในการคำนวณค่าสัมประสิทธิ์เราใช้ ฟังก์ชันเอกเซล STUDRASPOBR เราใช้ความน่าจะเป็นเท่ากับ 0.1 จำนวนองศาอิสระคือ 38
เราคำนวณค่าโดยใช้ Excel เราได้ 12294
มากำหนดขอบเขตบนและล่างของช่วงเวลากัน
- 304,55+27,472= 332,022
- 304,55-27,472= 277,078
ดังนั้น ค่าพยากรณ์ = 304.55 พันดอลลาร์ จะอยู่ระหว่างขีดจำกัดล่าง ซึ่งเท่ากับ 277.078 พันดอลลาร์ และวงเงินสูงสุดเท่ากับ 332.022 พันล้านรูเบิล ถู.
ค่าจริงและแบบจำลอง จุดที่คาดการณ์จะแสดงเป็นกราฟิกในรูปที่ 1.2
รูปที่ 1.2
6. ใช้การถดถอยพหุคูณแบบขั้นตอน (วิธีการยกเว้น) เราจะสร้างแบบจำลองสำหรับการก่อตัวของราคาของผลิตภัณฑ์มวลรวมของภูมิภาคเนื่องจากปัจจัยสำคัญ
ในการสร้างการถดถอยพหุ เราจะใช้ฟังก์ชันการถดถอยของ Excel รวมถึงปัจจัยทั้งหมดที่อยู่ในนั้น เป็นผลให้เราได้รับตารางผลลัพธ์ซึ่งเราต้องการการทดสอบของนักเรียน
ตารางที่ 1.8ก
ตารางที่ 1.8b
ตารางที่ 1.8c.
เราได้รูปแบบมุมมอง:
เพราะว่า< (4,75 < 71,024), уравнение регрессии следует признать адекватным.
ลองเลือกค่าโมดูโลที่เล็กที่สุดของการทดสอบของนักเรียนซึ่งเท่ากับ 8.427 เปรียบเทียบกับค่าตารางที่เราคำนวณใน Excel ใช้ระดับนัยสำคัญเท่ากับ 0.10 จำนวนองศาอิสระ n-m-1=12- 4=8: =1.8595
ตั้งแต่ 8.427>1.8595 โมเดลควรได้รับการยอมรับว่าเพียงพอ
7. ในการประเมินปัจจัยสำคัญของแบบจำลองทางคณิตศาสตร์ที่ได้รับ เราคำนวณค่าสัมประสิทธิ์ของความยืดหยุ่นและ - ค่าสัมประสิทธิ์
ค่าสัมประสิทธิ์ความยืดหยุ่นแสดงจำนวนเปอร์เซ็นต์ที่เครื่องหมายผลลัพธ์จะเปลี่ยนไปเมื่อเครื่องหมายปัจจัยเปลี่ยนแปลง 1%:
E X4 \u003d 2.137 * (10.69 / 24.182) \u003d 0.94%
นั่นคือเมื่อเพิ่มการลงทุนในทุนคงที่ 1% ต้นทุนจะเพิ่มขึ้นโดยเฉลี่ย 0.94%
ค่าสัมประสิทธิ์แสดงตามส่วนใดของค่าส่วนเบี่ยงเบนมาตรฐาน ค่าเฉลี่ยของตัวแปรตามจะเปลี่ยนแปลงโดยมีการเปลี่ยนแปลงตัวแปรอิสระโดยค่าเบี่ยงเบนมาตรฐานหนึ่งค่า
2,137* (14.736/33,632) = 0,936.
ข้อมูลส่วนเบี่ยงเบนมาตรฐานนำมาจากตารางที่ได้รับโดยใช้เครื่องมือสถิติเชิงพรรณนา
ตารางที่ 1.11 สถิติเชิงพรรณนา (Y)
ตารางที่ 1.12 สถิติเชิงพรรณนา (X4)
ค่าสัมประสิทธิ์กำหนดส่วนแบ่งของอิทธิพลของปัจจัยในอิทธิพลทั้งหมดของปัจจัยทั้งหมด:
ในการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ เราจะคำนวณเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ใน Excel โดยใช้เครื่องมือสหสัมพันธ์ของการตั้งค่าการวิเคราะห์ข้อมูล
ตารางที่ 1.14
(0,93633*0,93626) / 0,87 = 1,00.
สรุป: จากการคำนวณที่ได้รับ เราสามารถสรุปได้ว่าแอตทริบิวต์ที่มีประสิทธิภาพ Y (ผลิตภัณฑ์มวลรวมของภูมิภาค) ขึ้นอยู่กับปัจจัย X1 (การลงทุนในสินทรัพย์ถาวร) เป็นอย่างมาก (100%)
บรรณานุกรม
- 1. Magnus Ya.R. , Katyshev P.K. , Peresetsky A.A. เศรษฐมิติ. หลักสูตรเริ่มต้น. กวดวิชา. แก้ไขครั้งที่ 2 - ม.: Delo, 1998. - หน้า 69 - 74.
- 2. อบรมเชิงปฏิบัติการเศรษฐมิติ: ตำรา / I.I. เอลิเซวา เอส.วี. Kurysheva, N.M. Gordeenko และอื่น ๆ 2545. - หน้า 49 - 105.
- 3. Dougerty K. บทนำเกี่ยวกับเศรษฐมิติ: ต่อ. จากอังกฤษ. - ม.: INFRA-M, 1999. - XIV, p. 262 - 285.
- 4. Aivyzyan S.A., Mikhtiryan V.S. คณิตศาสตร์ประยุกต์และรากฐานของเศรษฐมิติ -1998. หน้า 115-147.
- 5. Kremer N.Sh., Putko ปริญญาตรี เศรษฐมิติ. -2550. ตั้งแต่ 175-251.