Korrelaatioanalyysin välineenä taloudellisen ja tilastollista tutkimusta

Korrelaatioanalyysin on joukko matemaattisesti perustuvia menetelmiä, jolla havaitaan korrelaatio parin tekijöiden tai ominaisuudet, jossa on satunnainen osa. Vuonna joukko tekniikoita käytetään tässä tutkimusmenetelmä, käytetään laajasti:

- rakentaminen korrelaatio kenttien laatimalla vastaavuustaulukoita;

- laskeminen korrelaation suhteen ja näytteistystaajuudet;

- todentaminen hypoteesin tilastollisen merkityksen suhteen.

Jatkuvan tutkimuksen muotoutunut tietyntyyppisten suhteita muuttujien. Suhde satunnainen ominaisuuksia tai tekijöitä, joiden lukumäärä on suurempi kuin kolme, on käytettävä menetelmää monimuuttuja-analyysin.

Kenttä ja taulukko rakenne, joka on kytketty korrelaatio analyysi, joita käytetään apuaineina analyysin näytedatan. Hakeminen on koordinaattitasossa näytteenottopisteitä tulevat saamaan niin sanottua kentän korrelaatio. Muuten piste sijaitsee, on jo nyt mahdollista tehdä alustavia arvioita ja määrittää muodossa riippuvuutta satunnaismuuttujia. Numeerinen analyysi Tulosten edellyttää ryhmittämällä ne muodossa vastaavuustaulukko.

Ensiesiintyminen XVIII vuosisadalla, termi "korrelaatio" kevyellä kädellä paleontologi Zhorzha Kyuve on aktiivisesti käytetty fossiilisia eläinten muodon toipuminen joissakin osissa hänen edelleen. Kehittymistä fokusoitu paleontologista menetelmä on johtanut siihen, että korrelaatioanalyysiä alkoi käyttää eri aloilla ihmisen toiminnasta.

Tämä menetelmä on houkutteleva tilastollista käsittelyä. Korrelaatioanalyysin tilastoissa ensimmäistä kertaa käytetty brittiläinen biologi ja tilastotieteilijä Francis Galton myöhään XIX vuosisadalla. Jatkokehityksessä menetelmän, jolla mitataan läheisyyden suhde pari ja suuri määrä muuttujia. Korrelaatio analyysi on läheistä sukua regressioanalyysillä.

Se on erityinen paikkansa taloudessa korrelaatio analyysin. Mutta sen käyttö asettaa useita rajoituksia. Ensinnäkin, tämä on riittävä määrä mittauksia ja Aineisto. Käytännössä viittaa siihen, että havaintojen määrä tulisi olla suurempi kuin 5-6 kertaa useita tekijöitä. Paras vaihtoehto on, että havaintojen määrä on suurempi kuin määrä tekijöitä useita kymmeniä kertoja. Tässä tapauksessa suurten lukujen laki, kiitos hänelle, siellä on keskenään kompensoimaan satunnaisia vaihteluita.

Kannattaa myös varmistaa, että koko joukko factorial ja tehokkaita merkkejä totteli normaalia monimuuttujatestauksen jakaumat. On tapauksia, joissa tilavuus aggregaatin ei ole riittävä vastaavia muodollinen testaaminen normaalius, sitten visuaalisesti jakauman määrittämiseksi laki suoritetaan korrelaation mukaisesti alalla. Jos pisteet on järjestetty mukaan lineaarisen trendin, on täysin mahdollista päätellä, että joukko lähtötietojen täyttävät normaalijakaumaa.

Alkuperäinen arvomaailma tarpeen valvoa laatua yhdenmukaisuutta.

Se, että korrelaatio ei vielä anna aihetta väitteen, että mielivaltaisesti valitun muuttuja edeltää ulkonäkö toisen, tai on syynä sen muutoksia, toisin sanoen, niiden välissä on tiukka syy-yhteyttä niiden välillä, ja ehkä jopa toiminnan joidenkin kolmas tekijä.

Hyödyntäen analyysin tulokset perustuvat korrelaation tutkimusmenetelmien, voit tehdä joitakin erityisiä johtopäätöksiä läsnäolosta, ja mikä tärkeintä, luonteesta keskinäinen riippuvuus. Tämä antaa jo huomattavan osuuden tietoja tutkittavassa.