Képződés, Tudomány
Korrelációs együttható - a korrelációs modellre jellemző
A korrelációs modell (CM) olyan számítási program, amely matematikai egyenletet biztosít, amelyben a tényleges indikátort egy vagy több mutatótól függően számszerűsítik.
Yx = a0 + a1x1
Ahol: y - az eredményjelző az x tényezőtől függően;
X tényező;
A1 az a CM paraméter, amely megmutatja, hogy mennyi lesz az eredő y exponent, mikor az x tényező változik, ha ebben az esetben az összes többi tényező változatlan marad;
Ao a CM paraméter, amely minden más tényező hatását mutatja az eredményül kapott y exponensre, kivéve az x faktorjelet
A modell tényleges és faktoriális paramétereinek kiválasztásakor figyelembe kell venni, hogy az ok-okozati összefüggések láncolatában a kapott mutató magasabb, mint a faktorindexek.
A korrelációs modell jellemzői
A korrelációs modell paramétereinek kiszámítása után kiszámítjuk a korrelációs együtthatót.
P a pár korreláció együtthatója, -1 ≤ p ≤ 1, a tényező tényező hatásának erősségét és irányát mutatja az eredményre. Minél közelebb van az 1-hez, annál erősebb a kapcsolat, annál közelebb a 0-hoz, annál erősebb a kapcsolat. Ha a korrelációs együttható pozitív, akkor a kapcsolat közvetlen, ha a negatív az inverz.
A korrelációs koefficiens: pxy = (xy-x * 1 / y) / ex * ey
Ex = xx2- (x) 2; Yy = y2- (y) 2
Ha a CM egy lineáris multifaktor, amelynek formája:
Yx = a0 + a1x1 + a2x2 + ... + anxn
Ekkor egy többszörös korrelációs koefficiens kiszámításra kerül.
0 ≤ Р ≤ 1, és azt mutatja, hogy az összes faktor tényező hatása együtt van az eredővel.
P = l- (yx-yu) 2 / (yu-oo) 2)
Ahol: yh - az eredményjelző - a számított érték;
Yi - a tényleges érték;
Tényleges érték, átlag.
A yx kiszámított értéke az x1, x2 korrelációs modellben a szubsztitúció következtében keletkezik És így tovább. Valódi értékeik.
Az egy-faktoros és többfaktoros nemlineáris modellek esetében a korrelációs arány kiszámítása:
-1 ≤ m ≤ 1;
0 ≤ m ≤ 1
Úgy véljük, hogy a termelési faktor és a modellben szereplő tényezõ tényezõk közötti kapcsolat gyenge, ha a kommunikáció szoros aránya (m) a 0-0.3 tartományon belül van; Ha 0,3-0,7 - a kapcsolat szorossága átlagos; 0,7-1 felett - a kapcsolat erős.
Mivel a korrelációs koefficiens (páros) p, a korrelációs együttható (többszörös) P, az m korrelációs arány probabilisztikus, akkor számukra számolják ki azok fontossági együtthatóit (a táblázatokban meghatározott). Ha ezek az együtthatók nagyobbak a táblázatos értéknél, akkor a kapcsolat szorossági együtthatói jelentős okok. Ha a kapcsolat tömörségének lényegességi együtthatói kisebbek a táblázatos értékeknél, vagy ha a kapcsolási együttható maga kisebb, mint 0,7, akkor a modell nem tartalmazza az összes olyan tényezőt, amely jelentősen befolyásolja az eredményt.
A meghatározási tényező jól mutatja, hogy a modellben szereplő százalékos tényezők hogyan határozzák meg az eredmény kialakulását.
D = P2 * 100%
D = p2 * 100%
D = m2 * 100%
Ha az elhatárolási tényezõ több mint 50, akkor a modell megfelelõen leírja a vizsgált folyamatot, ha kevesebb, mint 50, akkor vissza kell térnünk az építés elsõ szakaszába, és felül kell vizsgálnunk a modellbe való bekerüléshez szükséges faktorindikátorok kiválasztását.
A Fisher-együttható vagy a Fisher-kritérium a modell egészének hatékonyságát jellemzi. Ha az együttható számított értéke meghaladja a táblázatos értéket, akkor az elkészített modell alkalmas elemzésre, valamint tervezési mutatókra, számításokra a jövőben. Körülbelül táblázatérték = 1,5. Ha a becsült érték kisebb, mint a táblázatos érték, először ki kell építeni a modellt, beleértve azokat a tényezőket is, amelyek jelentősen befolyásolják az eredményt. A modell egészének hatékonysága mellett minden regressziós együttható befolyásolja a lényegességet. Ha ennek az együtthatónak a számított értéke meghaladta a táblázatos értéket, akkor a regressziós együttható jelentős lesz, ha kisebb, akkor a tényezőt, amelyre kiszámítjuk ezt az együtthatót, eltávolítjuk a mintából.
Similar articles
Trending Now