Корреляционный и регрессионный анализ в прогнозировании развития экономики
Исследование объективно существующих связей между явлениями – важнейшая задача прогнозирования и планирования развития экономики. В процессе статистического исследования зависимостей вскрываются причинно-следственные отношения между явлениями, что позволяет выявлять факторы (признаки), оказывающие существенное влияние на вариацию изучаемых явлений и процессов. Причинно-следственные отношения – это связь явлений и процессов, когда изменение одного и них – причины – ведет к изменению другого – следствия. Причина – это совокупность условий, обстоятельств, действие которых приводит к появлению следствия. Если между явлениями действительно существуют причинно-следственные отношения, то эти условия должны обязательно реализовываться вместе с действием причин. Причинные связи носят всеобщий и многообразный характер, и для обнаружения причинно-следственных связей необходимо отбирать отдельные явления и изучать их изолированно. Особое значение при исследовании причинно-следственных связей имеет выявление временной последовательности: причина всегда должна предшествовать следствию, однако не каждое предшествующее событие следует считать причиной, а последующее следствием. Социально-экономические явления представляют собой результат одновременного воздействия большого числа причин. Следовательно, при изучении этих явлений необходимо выявлять главные, основный причины, абстрагируясь от второстепенных. В основе первого этапа статистического изучения связи лежит качественный анализ изучаемого явления, связанный с анализом природы, социального или экономического явления методами экономической теории, социологии, конкретной экономики. Второй этап – построение модели связи. Он базируется на методах статистики: группировках, средних величинах, таблицах и т.д. Третий, последний этап – интерпретация результатов – вновь связан с качественными особенностями изучаемого явления. Система прогнозирования и планирования разработала множество методов изучения связей, выбор которых зависит от целей исследования и от поставленных задач. Связи между признаками и явлениями, ввиду их большого разнообразия, классифицируются по ряду оснований. Признаки по их значению для изучения взаимосвязи делятся на 2 класса. Признаки, обуславливающие изменения других, связанных с ними признаков, называются факторными , или просто факторами . Признаки, изменяющиеся под действием факторных признаков, являются результативными . Связи между явлениями и их признаками классифицируются по степени тесноты связи, направлению и аналитическому выражению.
Функциональные и стохастические связи.
Между различными явлениями и их признаками необходимо прежде всего выделить 2 типа связей: функциональную (жестко детерминированную) и статистическую (стохастически детерминированную). В соответствии с жестко детерминистическим представлением о функционировании экономических систем необходимость и закономерность однозначно проявляются в каждом отдельном явлении, то есть любое действие вызывает строго определенный результат; случайными (непредвиденными заранее) воздействиями при этом пренебрегают. Поэтому при заданных начальных условиях состояние такой системы может быть определено с вероятностью, равной 1. Разновидностью такой закономерности является функциональная связь. Связь признака у с признаком х называется функциональной, если каждому возможному значению независимого признака х соответствует 1 или несколько строго определенных значений зависимого признака у . Определение функциональной связи может быть легко обобщено для случая многих признаков х 1 ,х 2 …х n . Характерной особенностью функциональных связей является то, что в каждом отдельном случае известен полный перечень факторов, определяющих значение зависимого (результативного) признака, а также точный механизм их влияния, выраженный определенным уравнением. Стахостическая связь– это связь между величинами, при которой одна из них, случайная величина у , реагирует на изменение другой величины х или других величин х 1 ,х 2 …х n(случайных или неслучайных) изменением закона распределения. Это обуславливается тем, что зависимая переменная (результативный признак), кроме рассматриваемых независимых, подвержена влиянию ряда неучтенных или неконтролируемых (случайных) факторов, а также некоторых неизбежных ошибок измерения переменных. Поскольку значения зависимой переменной подвержены случайному разбросу, они не могут быть предсказаны с достаточной точностью, а только указаны с определенной вероятностью. Корреляционная связь– понятие более узкое, чем стохастическая связь. Последняя может отражаться не только в изменении средней величины, но и в вариации одного признака в зависимости от другого, то есть любой другой характеристики вариации. Таким образом, корреляционная связь является частным случаем стохастической связи.
Методы моделирования связи.
Для исследования стохастических связей широко используется метод сопоставления двух параллельных рядов, метод аналитических группировок, корреляционный анализ, регрессионный анализ и некоторые непараметрические методы. Метод сопоставления двух параллельных рядов является одним из простейших методов. Для этого факторы, характеризующие результативный признак располагают в возрастающем или убывающем порядке (в зависимости от эволюции процесса и цели исследования), а затем прослеживают изменение величины результативного признака. Сопоставление и анализ расположенных таким образом рядов значений изучаемых величин позволяют установить наличие связи и ее направление. Зависимость между факторами и показателями может прослеживаться во времени (параллельные динамические ряды). Метод аналитических группировоктоже относится к простейшим методам. Чтобы выявить зависимость с помощью этого метода, нужно произвести группировку единиц совокупности по факторному признаку и для каждой группы вычислить среднее или относительное значение результативного признака. Сопоставляя затем изменения результативного признака по мере изменения факторного можно выявить направление, характер и тесноту связи между ними. В общем виде задача статистики в области изучения взаимосвязей состоит не только в количественной оценке их наличия, направления и силы связи, но и в определении формы (аналитического выражения) влияния факторных признаков на результативный. Для ее решения применяют методы корреляционного и регрессионного анализа.
Статистическое моделирование связи методом корреляционного и регрессионного анализа.
Задачикорреляционного анализасводятся к измерению тесноты известной связи между варьирующими признаками, определению неизвестных причинных связей (причинный характер которых должен быть выяснен с помощью теоретического анализа) и оценки факторов, оказывающих наибольшее влияние на результативный признак. Задачамирегрессионного анализаявляются выбор типа модели (формы связи), установление степени влияния независимых переменных на зависимую и определение расчётных значений зависимой переменной (функции регрессии). Решение всех названных задач приводит к необходимости комплексного использования этих методов. Корреляционный и регрессионный анализ. Исследование связей в условиях массового наблюдения и действия случайных факторов осуществляется, как правило, с помощью экономико-статистических моделей. В широком смысле модель – это аналог, условный образ (изображение, описание, схема, чертёж и т.п.) какого-либо объекта, процесса или события, приближенно воссоздающий «оригинал». Модель представляет собой логическое или математическое описание компонентов и функций, отображающих существенные свойства моделируемого объекта или процесса, даёт возможность установить основные закономерности изменения оригинала. В модели оперируют показателями, исчисленными для качественно однородных массовых явлений (совокупностей). Выражение и модели в виде функциональных уравнений используют для расчёта средних значений моделируемого показателя по набору заданных величин и для выявления степени влияния на него отдельных факторов. По количеству включаемых факторов модели могут бытьоднофакторнымиимногофакторными(два и более факторов). В зависимости от познавательной цели статистические модели подразделяются наструктурные, динамическиеимодели связи. Двухмерная линейная модель корреляционного и регрессионного анализа (однофакторный линейный корреляционный и регрессионный анализ).Наиболее разработанной в теории статистики является методология так называемойпарной корреляции, рассматривающая влияние вариации факторного анализа х на результативный признак у и представляющая собой однофакторный корреляционный и регрессионный анализ. Овладение теорией и практикой построения и анализа двухмерной модели корреляционного и регрессионного анализа представляет собой исходную основу для изучения многофакторных стохастических связей. Важнейшим этапом построения регрессионной модели (уравнения регрессии) является установление в анализе исходной информации математической функции. Сложность заключается в том, что из множества функций необходимо найти такую, которая лучше других выражает реально существующие связи между анализируемыми признаками. Выбор типов функции может опираться на теоретические знания об изучаемом явлении, опят предыдущих аналогичных исследований, или осуществляться эмпирически – перебором и оценкой функций разных типов и т.п. При изучении связи экономических показателей производства (деятельности) используют различного вида уравнения прямолинейной и криволинейной связи. Внимание к линейным связям объясняется ограниченной вариацией переменных и тем, что в большинстве случаев нелинейные формы связи для выполнения расчётов преобразуют (путём логарифмирования или замены переменных) в линейную форму. Уравнение однофакторной (парной) линейной корреляционной связи имеет вид: y = a 0 + a 1 x , где y - теоретические значения результативного признака, полученные по уравнению регрессии; a 0, a 1- коэффициенты (параметры) уравнения регрессии. Поскольку a 0 является средним значением у в точке х=0 , экономическая интерпретация часто затруднена или вообще невозможна.
Каждой величине Sj начиная с наименьшей соответствует наименьший свободный ранг, а для оценки разброса мнений экспертов вычислим сумму квадратов отклонений значения суммы стандартизированных рангов от среденего значения, таким образом:
Год t Фондоотдача Y 1992 171 1993 170 1994 174 1995 178 1996 177 1997 181 1998 178.1 1999 183.4 2000 190.1 2001 147.7 2002 152.6 2003 164.2
а) Экстраполируем на основе среднего уровня
y*t+ז= = 1/n yt = 1/12 (171+170+…+164,2) = 172,26 тыс. р. Доверительный интервал для средней находится следующим образом: y*t+ז - tаS У*t+ז + tаS где tа — значение /-распределения Стьюдента, соответствующее (п — I) сте¬пени свободы и
выбранному значению уровня значимости а;
Табличное значение t-статистики Стьюдента c v = n-1 = 12-1 = 11 степенями свободы при уровне α = 0,05; t = 2,201. Среднеквадратическое отклонение
S = = 12,33 Подставив найденное значение в формулу, получим доверительный интервал (144,04; 200,48), который с доверительной вероятностью 0,95 включает прогнозируемое значение выработки 172,26 тыс. р.
172,26 – 2,201*12,33*1,04 = 172,26– 28,22 = 144,04 тыс. р.
172,26 + 2,201*12,33*1,04 = 172,26+ 28,22 = 200,48 тыс. р. Считая, что общая тенденция выработки является линейной прогноз выработки на 2004г вычислим по среднему абсолютному приросту
y*t+ז= yt + ∆ *ז за базу экстраполяции yt примем среднее арифметическое трех последних уровней исходного динамического ряда yt = 1/3 (147,7 + 152,6 + 164,2) = 154,83 тыс. р. ∆ = 1/(n-1) ∆ ,t-1 = 1/11 (-1+4+4-1+4-2,9+5,3+6,7-42,4+4,9+11,6) = 1/11*(-6,8) = - 0,618
Тогда прогнозное значение уровня на 2004, 2005,2006гг
y*2004 = 154,83 + 1*(- 0,618) = 154,21 тыс. р. y*2005 = 154,83 + 2*(- 0,618)= 153,59 тыс. р. y*2006 = 154,83 + 3*(- 0,618)= 152,98 тыс. р.
Экстраполяция по среднему темпу роста осуществляется по формуле
y*t+ז= yt , где = = = 0,997 за базу экстраполяции yt примем среднее арифметическое трех последних уровней исходного динамического ряда = 154,83. В этом случае прогнозируемый уровень ряда
y*2004 = 154,83 * = 154,37 тыс. р. y*2005 = 154,83 * = 153,90 тыс. р. y*2006 = 154,83 * = 153,44 тыс. р.
Б) трендовая модель
Линейный тренд построим с помощью следующей таблицы Год t t
y*t+ז= 179,96 – 1,18t. Определим прогноз для זּ = 1,2,3. y*2004 = 179,96 - 1,18*1=178,77 тыс. р. y*2005 = 499,32 – 1,18*2=177,59 тыс. р. y*2006 = 499,32 – 1,18*3=176,40 тыс. р.
