Что такое корреляционная зависимость?

Зависимости между величинами, каждая из которых подвергается не контролируемому полностью разбросу, называются корреляционными.

С помощью корреляционного анализа можно решить следующие задачи: определить, оказывает ли один фактор существенное влияние на другой фактор; из нескольких факторов выбрать наиболее существенный.

Количественной мерой корреляции двух величин является коэффициент корреляции.

Значение коэффициента корреляции лежит между -1 и +1. Чем ближе его значение по модулю к 1, тем корреляция (связь) сильнее.

Что изучает корреляционный анализ?

Корреляционный анализ (в экономике) [correlation analysis] — ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от латинского слова correlatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи служит выпуск и потребление продукции, когда она дефицитна: во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими. Тогда имеют дело с множественной корреляцией.

При изучении экономических явлений методами К.а. необходимо тщательно выявлять причинные зависимости, лежащие в основе корреляции наблюдаемых показателей. Отсутствие причинной связи между явлениями, хотя корреляционная связь между ними установлена, называется ложной корреляцией. Она часто встречается, например, при анализе временных рядов, когда параллельно снижаются или повышаются показатели, на самом деле совершенно не зависящие друг от друга.

Как коэффициент корреляции характеризует взаимосвязь параметров?

Коэффициенты корреляции могут быть положительными и отрицательными. Если при увеличении значения одной величины происходит уменьшение значений другой величины, то их коэффициент корреляции отрицательный. В случае, когда увеличение значений первого объекта наблюдения приводит к увеличениям значения второго объекта, то можно говорить о положительном коэффициенте. Возможна еще одна ситуация отсутствия статистической взаимосвязи — например, для независимых случайных величин.

Что изучает регрессионный анализ?

Регрессио́нный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X 1, X 2,..., X p {\displaystyle X_{1},X_{2},...,X_{p}} X_{1},X_{2},...,X_{p} на зависимую переменную Y {\displaystyle Y} Y. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных (Ложная корреляция), а не причинно-следственные отношения.

Что такое регрессия?

Регрессия бывает двух видов: парная (линейная и нелинейная) и множественная (линейная и нелинейная). Разница между ними в виде уравнения и количестве независимых переменных. Логично, что парная регрессия - это когда одна зависимая переменная и одна независимая, в множественной - независимых переменных несколько. В природе имеет место исключительно множественная регрессия, так как нельзя ограничить внешнее влияние на какое-то явление строго одним фактором. Парная регрессия - (её ещё называют двухфакторной) модель проста в использовании, так как у нас всего две переменные: эндогенная и экзогенная, а значит будет просто решить уравнение и провести анализ. А это значит, что и применять на практике такую модель очень легко. Множественная (многофакторная) модель намного сложнее, так как мы имеем уравнение с большим количеством переменных, для решения которого существуют определённые математические способы (метод наименьших квадратов например).