Стр. 213 - Социально-экономическое прогнозирование

СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ
193
где r - коэффициент линейной корреляции; n – 2 - число степеней свободы;
n - объем выборки.
При этом проверяется так называемая «нулевая гипотеза», т.е.
предположение о том, что коэффициент линейной корреляции в генеральной
совокупности равен 0. Полученное расчетное значение t-критерия Стьюдента
tрасч сравнивается с его табличным значением tтабл , которое выбирается из
таблицы для числа степеней свободы n – 2 и доверительной вероятности α.
Обычно на практике значения α выбирают равными 1% (0,01) или 5% (0,05).
Если tрасч > tтабл, то можно считать, что коэффициент корреляции значительно
больше 0 и зависимость между показателями существует.
При формировании регрессионных моделей для целей социально-
экономического прогнозирования рассчитывается коэффициент линейной
корреляции и проверяется его значимость как между факторным (или каждым
из нескольких факторных показателей) и результативным, так и между самими
факторными показателями. Это делается для окончательного отбора
включаемых в модель факторов. К факторам, формирующим регрессионную
модель, предъявляются следующие основные требования:
1) каждый фактор должен быть обоснован теоретически и его включение в
модель должно быть теоретически оправдано во избежание ложной
корреляции;
2) в перечень целесообразно включать только важнейшие факторы,
имеющие наибольший коэффициент корреляции и оказывающие, таким
образом, существенное влияние на прогнозируемый показатель. При этом
рекомендуется, чтобы количество факторов не превышало 1/3 объема выборки;
3) во избежание явления мультиколлинеарности и снижения качества
прогнозных исследований в модель следует включать только линейно
независимые между собой факторы. В противном случае различные факторы
могут характеризовать аналогичные свойства прогнозируемого процесса или
показателя. В таком случае в модель целесообразно включать только один
(наиболее существенный) из этих факторов.
Инструментом выявления взаимосвязанных между собой факторов
выступает также коэффициент линейной корреляции. Однако в литературе
единого мнения о его приемлемом «пороговом» значении не выработано.
Некоторые авторы считают достаточно слабой связь при r ≤ 0,6. Другие полагают,
что связь довольно тесная при r > 0,3. На практике принято считать, что две
переменные линейно зависимы между собой, если коэффициент корреляции между
ними r > 0,8. В любом случае при отборе факторов кроме формального расчета
величины коэффициента линейной корреляции следует руководствоваться
объемом выборки и теоретической обоснованностью включения конкретных
факторов в модель.