Место и задачи корреляционного анализа в эконометрическом исследовании

Корреляционный анализ – это совокупность методов обнаружения так называемой корреляционной зависимости между случайными величинами.

Для двух случайных величин Х и Y корреляционный анализ состоит из следующих этапов:

- построение корреляционного поля и составление корреляционной таблицы;

- вычисление выборочного коэффициента корреляции;

- проверка статической гипотезы о значимости корреляционной связи.

Корреляционное поле и корреляционная таблица являются исходными данными при корреляционном анализе. Пусть,, – результаты парных наблюдений над случайными величинами Х и Y. Изображая полученные результаты в виде точек в декартовой системе координат, получим корреляционное поле. Метод вычисления коэффициента корреляции зависит от вида шкалы, к которой относятся переменные. Так, для измерения переменных с интервальной и количественной шкалами необходимо использовать коэффициент корреляции Пирсона (корреляция моментов произведений). Если по меньшей мере одна из двух переменных имеет порядковую шкалу, либо не является нормально распределённой, необходимо использовать ранговую корреляцию Спирмена. В случае, когда одна из двух переменных является дихотомической, используется точечная двухрядная корреляция, а если обе переменные являются дихотомическими — четырёхполевая корреляция. Расчёт коэффициента корреляции между двумя недихотомическими переменными не лишён смысла только тогда, когда связь между ними линейна (однонаправлена).

95. Регрессионный анализ. Основные задачи регрессионного анализа. Классификация и виды регрессионных моделей

Регрессионный анализ - метод моделирования измеряемых данных и исследования их свойств. Данные состоят из пар значений зависимой переменной и независимой переменной. Регрессионная модель есть функция независимой переменной и параметров с добавленной случайной переменной.

Регрессионный анализ называют основным методом современной математической статистики для выявления неявных и завуалированных связей между данными наблюдений.

Решение задачи регрессионного анализа целесообразно разбить на несколько этапов:

- предварительная обработка данных;

- выбор вида уравнений регрессии;

- вычисление коэффициентов уравнения регрессии;

- проверка адекватности построенной функции результатам наблюдений.

Предварительная обработка включает стандартизацию матрицы данных, расчет коэффициентов корреляции, проверку их значимости и исключение из рассмотрения незначимых параметров.

Выбор вида уравнения регрессии Задача определения функциональной зависимости, наилучшим образом описывающей данные, связана с преодолением ряда принципиальных трудностей. Для выбора вида функциональной зависимости можно рекомендовать следующий подход:

- в пространстве параметров графически отображают точки со значениями показателя.

- по расположению точек и на основе анализа сущности взаимосвязи показателя и параметров объекта делают заключение о примерном виде регрессии или ее возможных вариантах;

- после расчета параметров оценивают качество аппроксимации, т.е. оценивают степень близости расчетных и фактических значений;

- если расчетные и фактические значения близки во всей области задания, то задачу регрессионного анализа можно считать решенной. В противном случае можно попытаться выбрать другой вид полинома или другую аналитическую функцию, например периодическую.

Вычисление коэффициентов уравнения регрессии

метод наименьших квадратов (МНК). Этот метод позволяет получить оценки максимального правдоподобия неизвестных коэффициентов уравнения регрессии при нормальном распределения вариант

В основе МНК лежат следующие положения:

- значения величин ошибок и факторов независимы, а значит, и некоррелированы, т.е. предполагается, что механизмы порождения помехи не связаны с механизмом формирования значений факторов;

- математическое ожидание ошибки e должно быть равно нулю (постоянная составляющая входит в коэффициент a0), иначе говоря, ошибка является центрированной величиной;

- выборочная оценка дисперсии ошибки должна быть минимальна.

96. Методы исследования тенденций на рынке ценных бумаг

Мeтоды исслeдования РЦБ подразделяются на тeхничeскиe, фундамeнтальныe и анализ внут-рeннeй информации. Среди методов технического анализа следующие:

– анали здинамики средних цен ценных бумаг;

– анализ отраслевых биржевых индексов;

– метод экспертных оценок;

– эконометрическое моделирование.

Объeктами анализа являются следующие параметры РЦБ в отраслевом разрезе:

– деловая активность характеризуется числом сделок с ценными бумагами в данном секторе рынка, средним объемом одной сделки, соотношением номинальной и рыночной стоимости бумаг, тенденциями их динамики, неудовлетворенными спросом и предложением;

– рыночная коньюнктура измеряется соотношением спроса и предложения, уровнем и тенденциями котировок ценных бумаг, амплитудой их колебаний. Источниками информации являются регистрация сделок, котировки курсов акций, брокерская отчетность, данные специальных исследований.

Анализ динамики срeдних цeн проводится на основе представительной выборки предприятий исследуемой отрасли.

целями являются выявление цикличности колебаний отраслевого рынка, оценка устойчивости и общих тенденций развития.

Для выявления цикличности рыночной коньюнктуры могут быть использованы следующие методы:

– графический;

– механическое сглаживание по принципу скользящей средней;

– статистические модели.

Учитывая специфику формирования РЦБ в России, неопределенность макроэкономических и отраслевых факторов его развития, следует отдать предпочтение качественному анализу хозяйственной ситуации в различных отраслях