Экономический анализ

Изменение Y за счет факторах,

?Yх

= ?Y

/(?х

+ ?х

+ ?х

) ? ?х

.

Сумма влияния факторов должна быть равна общему изменению результативного показателя.

Метод корреляционно-регрессионного анализа позволяет определить изменение результативного показателя под воздействием одного или нескольких факторов, т. е. определить, на сколько единиц изменяется величина результативного показателя при изменение факторного на единицу, а также позволяет установить относительную степень зависимости результативного показателя от каждого фактора.

Корреляционная зависимость проявляется лишь в среднем (как среднее значение) и только в массе наблюдений.

Множественная корреляционная модель имеет вид:

y = а

+ а

х

+ а

х

+ а

х

+ … + а

х

,

где у – результативный показатель; a

– свободный член уравнения; а

  аргументы, показывающие, на сколько изменится результат при увеличении соответствующему ему х на единицу; x

– факторы, воздействующие на результативный показатель.

Многофакторный корреляционный анализ состоит из нескольких этапов.

На первом этапе определяются факторы, которые оказывают влияние на изучаемый показатель, и отбираются наиболее существенные для корреляционного анализа.

На втором этапе собирается и оценивается исходная информация, необходимая для корреляционного анализа.

На третьем этапе изучается характер и моделируется связь между факторами и результативным показателем, т.

 е. подбирается и обосновывается математическое уравнение, которое наиболее точно выражает сущность исследуемой зависимости.

На четвертом, этапе проводится расчет основных показателей связи корреляционного анализа.

На пятом этапе статистически оцениваются результаты корреляционного анализа и практическое их применение.

В последние годы наибольшую актуальность в практической деятельности приобрел такой метод изучения многомерных статистических совокупностей, как кластерный анализ, содержание которого было впервые раскрыто в 1939 г.

исследователем Трионом.

Сущность кластерного анализа заключается в разбиении множества изучаемых объектов и признаков на однородные группы или кластеры. Достоинство данного метода в том, что он позволяет подразделять объекты не по одному параметру, а по целому ряду признаков и в отличие от большинства математико-статистических методов не накладывает никаких ограничений на рассматриваемые объекты.