Стр. 44 - Социально-экономическое прогнозирование

СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ

42

где

x

i

, y

i

-

измеряемые переменные;



x,



y -

средние значения указанных

переменных. В качестве переменных

x

i

, y

i

могут выступать экономические,

социальные и другие показатели прогнозирования.

Значение

коэффициента

линейной

корреляции

изменяется

в пределах

-

1

< r <

1

.

Чем ближе его величина к единице по модулю, тем более

тесная связь между изучаемыми явлениями, и наоборот, чем ближе к нулю, тем

меньше связь между показателями

Для более точного определения тесноты связи между параметрами по

коэффициенту корреляции используется шкала с учетом объема выборки

(табл. 2.3). Используя эту таблицу, можно определить минимальное значение

коэффициента корреляции для объема выборки

п,

при котором связь между

показателями можно назвать линейной.

Таблица 2.3

Определение степени линейной зависимости по коэффициенту корреляции

от объема выборки п

п

3

4

5

6

7

8

9

10

15

20

50

r

0.997

0.95

0.878

0.811

0.755 0.7

0.66

0.63

0.5 0.44 0.35

Во многих случаях при СЭП возникает необходимость ранжирования

анализируемых объектов (предприятий, организаций отраслей экономики и т.п.).

В данных ситуациях находит применение коэффициент ранговой корреляции

[21], определяемый по формуле:

R=

1-

)1 (

6

2

−

∑

nn

d

i

,

(2.6)

где

n

- количество значений измеряемых величин;

d

- разность между

парами рангов.

Также аппарат теории корреляции позволяет производить расчет

случайной составляющей. Случайная составляющая определяет случайные

воздействия на результирующий показатель, которые невозможно предсказать.

Она рассчитывается как разность между фактическими и расчетными

значениями. Результаты корреляционного анализа позволяют количественно

обосновать наличие или отсутствие связи между показателями.

Далее, если связь между показателями выявлена, то возникает задача

математического описания этой связи. Для этого используются методы

регрессионного анализа, которые позволяют определить вид зависимости

между показателями.

Методы регрессии

Методы регрессии находят применение при расчете зависимости между

двумя и более переменными. В зависимости от количества переменных