Ang ugnayan koepisyent - katangi-ugnayan sa modelo

Ugnayan sa modelo (CM) - isang pagkalkula programa na nagbibigay ng pagtanggap ng isang mathematical equation, kung saan ang produktibong indicator quantified depende sa isa o higit pang mga tagapagpahiwatig.

yx = ao + a1h1

kung saan: y - tagapagpahiwatig ng pagganap, depende sa x factor;

x - sign kadahilanan;

a1 - parameter KM, na nagpapakita kung magkano ang pagbabago sa produktibong indicator kapag ang pagbabago kadahilanan x-isa, kung ang lahat ng iba pang mga kadahilanan na makakaapekto sa y hindi magbabago;

AO CM parameter na nagpapakita ng mga epekto ng lahat ng iba pang mga kadahilanan sa epektibong index ng y, maliban sa kadahilanan variable x

Kapag pumipili ng epektibong mga tagapagpabatid at kadahilanan modelo ay dapat isaalang-alang ang katotohanan na ang mga tagapagpahiwatig ng pagganap sa ang kadena ng pananahilan ay nakatayo sa isang mas mataas na antas kaysa sa kadahilanan na pagganap.

Mga Tampok ugnayan model

Pagkatapos ng pagkalkula ng mga parameter ugnayan modelong kinakalkula sa ugnayan koepisyent.

p - simpleng ugnayan koepisyent, -1 ≤ r ≤ 1, ito ay nagpapakita ng lakas at direksyon tagapagpahiwatig ng pagkakarga sa epekto kadahilanan iskor. Ang mas malapit sa 1, ang mas malakas ang relasyon, ang mas malapit sa 0, ang bono ay mas mahina. Kung ang ugnayan koepisyent ay positibo, pagkatapos ay ang koneksyon ay tuwid, kung negatibo - mababaligtad.

Ang ugnayan koepisyent formula: pxy = (x-x * 1 / t) / * eu eh

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

Kung ang CM linear multifactorial, ang pagkakaroon ng form:

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

pagkatapos ito ay kinakalkula sa maramihang ugnayan koepisyent.

0 ≤ P ≤ 1, at nagpapakita ng lakas ng epekto ng lahat kapag pinagsama tagapagpabatid kadahilanan iskor.

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

Saan: uh - produktibong indicator - kinakalkula halaga;

yi - ang aktwal na halaga;

usr- aktwal na halaga, average.

Tinatayang halaga yi nakuha sa pamamagitan ng substituting ang ugnayan ng modelo sa halip ng x1, x2 at iba pa kanilang tunay na halaga.

Para sa univariate at multivariate na modelo nonlinear ugnayan ratio ay kinakalkula sa:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

Ito ay pinaniniwalaan na ang relasyon sa pagitan ng epektibo at kasama sa mga modelo ng factorial tagapagpabatid mahina, kung ang higpit ng pagkabit koepisyent (m) sa hanay ng 0-0.3; kung 0.3-0.7 - pagkakalapit ng relasyon - ang average; 0.7-1 itaas - isang malakas na bond.

Dahil ugnayan koepisyent (steam) r, ang ugnayan koepisyent (maramihang) R, ugnayan ratio m - bagay na maaaring mangyari na halaga, na kung saan ay kinakalkula para sa mga coefficients ng kanilang kahalagahan (na tinukoy sa pamamagitan ng mga talahanayan). Kung ang mga coefficients ay higit sa kanilang mga halaga ng talahanayan, ang pagkakalapit ng mga coefficients ng koneksyon ay mahalaga dahilan. Kung ang pagiging pundamental higpit pagkabit coefficients mas maliit kaysa sa halaga ng talahanayan o kung sa sarili pagkabit koepisyent ay mas mababa sa 0.7, ang modelo ay hindi isama ang lahat ng factorial parameter na makabuluhang makakaapekto sa mga resulta.

Ang koepisyent ng pagpapasiya ay nagpapakita ang porsyento kadahilanan na kasama sa ang mga parameter ng modelo matukoy ang pagbuo ng mga resulta.

D = P2 * 100%

D = p2 * 100%

D = m 2 * 100%

Kung ang koepisyent ng pagpapasiya ay mas malaki kaysa sa 50, pagkatapos ay ang modelo ng sapat na naglalarawan sa proseso sa ilalim ng pag-aaral, kung mas mababa sa 50, ito ay kinakailangan upang bumalik sa unang yugto ng konstruksiyon, at upang baguhin ang mga tagapagpahiwatig na seleksyon kadahilanan para sa pagkakasama sa modelo.

Fisher Fisher kadahilanan o criterion characterizes ang kahusayan ng modelo bilang isang buo. Kung ang kinakalkula ratio ay mas malaki sa table, ang built modelo ay angkop para sa pag-aaral pati na rin ang mga tagapagpahiwatig ng pagpaplano para sa hinaharap pag-areglo. Sa pahapyaw na talahanayan value = 1.5. Kung ang kinakalkula halaga ay mas mababa sa table, kailangan mo munang bumuo ng isang modelo, kabilang ang mga makabuluhang mga kadahilanan influencing ang resulta. Bilang karagdagan sa ang kahusayan ng pangkalahatang modelo upang makabuluhang makakaapekto sa bawat pagbabalik koepisyent. Kung ang kinakalkula halaga ng ang ratio na ito ay lumampas sa magnitude talahanayan, ang pagbabalik koepisyent ay makabuluhang kung mas mababa, pagkatapos ay ang factor parameter, kung saan ang kinakalkula koepisyent ay inalis mula sa mga kalkulasyon ng sample magsimulang muli, ngunit walang kadahilanan na ito.