Კორელაციის კოეფიციენტი - დამახასიათებელი კორელაცია მოდელი

კორელაცია მოდელი (CM) - საანგარიშო პროგრამა, რომელიც უზრუნველყოფს მიღება მათემატიკური განტოლება, რომელიც პროდუქტიული მაჩვენებელი რაოდენობრივად დამოკიდებულია ერთი ან მეტი მაჩვენებლები.

yx = ao + a1h1

სადაც: y - მაჩვენებლები, დამოკიდებულია x ფაქტორი;

x - ნიშანი ფაქტორი;

a1 - პარამეტრი KM, რომელიც გვიჩვენებს, თუ რამდენად შეცვლის პროდუქტიული მაჩვენებელი, როდესაც იცვლება ფაქტორი x ერთი, თუ ყველა სხვა ფაქტორები, რომლებიც გავლენას ახდენს y უცვლელი რჩება;

AO CM პარამეტრი, რომელიც გვიჩვენებს ეფექტი ყველა სხვა ფაქტორების ეფექტური მაჩვენებელი y, გარდა ფაქტორი ცვლადი x

არჩევის ეფექტური მაჩვენებლები და ფაქტორი მოდელები უნდა გაითვალისწინოს ის ფაქტი, რომ მაჩვენებლები ჯაჭვის causality დგას მაღალ დონეზე, ვიდრე შესრულება ფაქტორი.

მახასიათებლები კორელაცია მოდელი

გაანგარიშების შემდეგ კორელაცია მოდელი პარამეტრების გათვლილი კორელაციის კოეფიციენტი.

p - მარტივი კორელაციის კოეფიციენტი, -1 ≤ r ≤ 1, ეს გვიჩვენებს ძალა და მიმართულება მაჩვენებელი ზემოქმედების ფაქტორი ანგარიში. დაახლოება 1, ძლიერი ურთიერთობისათვის, დაახლოება 0, ბონდის არის სუსტი. თუ კორელაციის კოეფიციენტი არის დადებითი, მაშინ კავშირი არის სწორი, თუ უარყოფითი - შეცვალა.

კორელაციის კოეფიციენტი ფორმულით: pxy = (x-x * 1 / y) / * eu eh

eh = hh2- (x) 2; eu = y2 (y) 2

იმ შემთხვევაში, თუ CM ხაზოვანი multifactorial, რომელსაც ფორმა:

yx = ao + a1h1 a2x2 + + ... + Anx

მაშინ იგი იყო გათვლილი მრავალი კორელაციის კოეფიციენტი.

0 ≤ P ≤ 1, და გვიჩვენებს ძალა ეფექტი, ერთად აღებული ფაქტორი ანგარიში მაჩვენებლები.

P = 1- ((yi-yi) 2 / (yi -usr) 2)

სად: uh - პროდუქტიული მაჩვენებელი - გამოითვლება ღირებულება;

yi - ფაქტობრივი ღირებულება;

usr- ფაქტობრივი ღირებულება, საშუალოდ.

სავარაუდო ღირებულება yi მიღებული შემცვლელი კორელაცია მოდელი ნაცვლად x1, x2 და ა.შ. მათი ფაქტობრივი ღირებულებებს.

ერთგანზომილებიანი და multivariate მოდელები არაწრფივი კორელაცია კოეფიციენტი გამოითვლება:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

ითვლება, რომ ურთიერთობას ეფექტური და შედის მოდელი factorial მაჩვენებლები სუსტია, თუ შებოჭილობა დაწყვილება კოეფიციენტი (m) სპექტრი 0-0.3; თუ 0.3-0.7 - სიახლოვე ურთიერთობა - საშუალო; 0.7-1 ზემოთ - ძლიერი ბონდის.

მას შემდეგ, რაც კორელაციის კოეფიციენტი (ორთქლი) r კორელაციის კოეფიციენტი (მრავლობითი) R, კორელაცია კოეფიციენტი m - ალბათობა ღირებულება, რომელიც გამოითვლება კოეფიციენტების მათი მნიშვნელობა (განისაზღვრება მაგიდა). თუ ეს კოეფიციენტები მეტი საკუთარ მაგიდასთან ღირებულება, სიახლოვე დაკავშირებით კოეფიციენტებით არსებითი მიზეზები. იმ შემთხვევაში, თუ essentiality შებოჭილობა დაწყვილება კოეფიციენტები უფრო მცირეა, ვიდრე მაგიდა ღირებულებების თუ თვითმმართველობის დაწყვილება კოეფიციენტი ნაკლებია, ვიდრე 0.7, მოდელი არ შედის ყველა ის ფაქტორიალი პარამეტრების, რომელიც მნიშვნელოვნად იმოქმედებს შედეგი.

კოეფიციენტი განსაზღვრა მეტყველებს იმაზე, რომ პროცენტული ფაქტორი შედის მოდელი პარამეტრების განსაზღვრა ფორმირების შედეგად.

D = P2 * 100%

D = p2 * 100%

D = მ 2 * 100%

იმ შემთხვევაში, თუ კოეფიციენტი განსაზღვრა უფრო მეტია, ვიდრე 50, მაშინ მოდელის ადეკვატურად აღწერს პროცესს შესწავლის, თუ 50-ზე ნაკლები, აუცილებელია, რომ დაბრუნდეს პირველ ეტაპზე სამშენებლო და გადახედოს შერჩევა ფაქტორი მაჩვენებლები ჩართვა მოდელი.

Fisher Fisher ფაქტორის ან კრიტერიუმი ახასიათებს ეფექტურობის მოდელი, როგორც მთელი. იმ შემთხვევაში, თუ გათვლილი თანაფარდობა მეტია მაგიდა, ჩაშენებული მოდელი განკუთვნილია ანალიზი, ისევე როგორც მაჩვენებლების დაგეგმვა დასახლებაში. დაახლოებით მაგიდა მნიშვნელობა = 1.5. იმ შემთხვევაში, თუ გათვლილი მნიშვნელობა ნაკლებია მაგიდაზე, თქვენ უნდა ავაშენოთ მოდელი, მათ შორის მნიშვნელოვანი ფაქტორების შედეგია. გარდა ამისა, ეფექტურობის საერთო მოდელი მნიშვნელოვნად იმოქმედებს თითოეული რეგრესია კოეფიციენტი. იმ შემთხვევაში, თუ გათვლილი მნიშვნელობა ამ კოეფიციენტი აღემატება მასშტაბები მაგიდა, რეგრესიის კოეფიციენტი არის მნიშვნელოვანი, თუ ნაკლებია, მაშინ ეს ფაქტორი პარამეტრი, რომელიც გათვლილი კოეფიციენტი ამოღებულ ნიმუში გათვლებით დაიწყოს ისევ, მაგრამ ამ ფაქტორის გარეშეც.