WEBVTT

00:00:02.754 --> 00:00:08.721
Здравствуйте. Продолжаем проводить занятия
по

00:00:09.241 --> 00:00:10.443
дисциплине статистика.

00:00:12.453 --> 00:00:14.614
Сегодня тема номер семь.

00:00:14.814 --> 00:00:19.895
Статистическое в соответствии с рабочей
программой по этой дисциплинестическое

00:00:20.015 --> 00:00:23.056
изучение взаимосвязи
социально-экономических явлений.

00:00:23.416 --> 00:00:27.417
Вот следующие вопросы, которые будут
изложены

00:00:30.604 --> 00:00:36.365
В основном по однофакторному
рекорреляционно-регрессионному анализу все

00:00:36.685 --> 00:00:40.886
показатели по корреляционному анализу и
регрессионному.

00:00:44.526 --> 00:00:46.887
Таким образом начинаем обработка.

00:00:47.559 --> 00:00:50.880
Статистические данных применяется давно.

00:00:51.320 --> 00:00:55.041
Ну, в самых различных сферах человеческой
деятельности.

00:00:55.521 --> 00:00:58.162
То есть во всех, во многих сферах,
практически во всех.

00:00:58.242 --> 00:01:04.564
Но, пожалуй, ни в одной, так она полная не
играет такую большую роль, как в

00:01:04.604 --> 00:01:05.084
экономике.

00:01:06.339 --> 00:01:10.343
Так как здесь обрабатываются и
анализируются огромные массивы информации,

00:01:10.383 --> 00:01:12.425
социально-экономических линий, процессов.

00:01:15.182 --> 00:01:20.225
Всесторонний, глубокий анализ этой
информации, то есть статистических данных,

00:01:20.305 --> 00:01:25.028
предполагает использование различных
специальных методов, важное место среди

00:01:25.108 --> 00:01:27.910
которых занимает
корреляционно-регрессионный анализ и

00:01:27.990 --> 00:01:29.631
обработки статистических данных.

00:01:30.667 --> 00:01:35.993
В экономических исследованиях часто решают
задачу выявления факторов, определяющих

00:01:36.153 --> 00:01:38.796
уровень, динамику экономического процесса.

00:01:40.599 --> 00:01:44.723
Такая задача чаще всего решается методом
корреляционно-регрессионного анализа.

00:01:46.215 --> 00:01:51.133
Для достоверного отображения объективно
существующих в экономике процессов

00:01:51.333 --> 00:01:56.411
необходимо выявлять сущностные взаимосвязи
и не только выявлять, но давать им

00:01:56.491 --> 00:01:57.891
количественную оценку.

00:02:00.010 --> 00:02:02.649
Этот подход требует скрытия причинных
зависимостей.

00:02:02.729 --> 00:02:06.208
Под причинной зависимостью понимается
такая связь между процессами

00:02:08.817 --> 00:02:14.301
Когда изменение одного из них является
следствием изменения другого.

00:02:19.545 --> 00:02:24.428
Основными задачами корреляционного анализа
является оценка силы связей, проверка

00:02:24.588 --> 00:02:26.230
статистических гипотез.

00:02:27.531 --> 00:02:30.289
О наличии силе корреляционной связи.

00:02:30.769 --> 00:02:36.884
Не все факторы, влияющие на экономические
процессы, являются случайными

00:02:37.004 --> 00:02:38.243
величинами.

00:02:40.841 --> 00:02:46.397
Поэтому при анализе экономических явлений
обычно рассматриваются связи между

00:02:46.637 --> 00:02:48.595
случайными и неслучайными величинами.

00:02:49.610 --> 00:02:54.485
Такие связи называются регрессионными, а
метод математической статистики, их

00:02:54.565 --> 00:02:57.601
изучающий, называется регрессионным
анализом.

00:02:58.720 --> 00:03:02.956
Использование возможностей современной
вычислительной техники, оснащённой

00:03:03.076 --> 00:03:07.951
пакетами программ машинной обработки
статистической информации NM.

00:03:09.775 --> 00:03:16.092
делает практически осуществимое
оперативное решение задач изучение

00:03:16.252 --> 00:03:21.569
взаимосвязи показателей, допустим,
биржевых вставок методами

00:03:21.649 --> 00:03:27.886
корреляционно-регрессионного анализа при
машинной обработке

00:03:28.743 --> 00:03:33.305
Информация на компьютерах, оснащённых
пакетами стандартных программ ведения

00:03:33.465 --> 00:03:37.747
анализов вычисление параметров,
применяемых математических функций

00:03:38.547 --> 00:03:41.908
является быстро выполняемой счётной
операцией.

00:03:45.670 --> 00:03:47.871
Так как же понимать корреляционную связь?

00:03:48.683 --> 00:03:54.406
Исследователей нередко интересуют, как
связаны между собой две или большее

00:03:54.486 --> 00:03:58.728
количество переменных в одной или
нескольких изучаемых выборках.

00:04:03.027 --> 00:04:08.424
Например, может ли влиять на вес человека,
и мо- может ли рост влиять на человека?

00:04:08.504 --> 00:04:11.783
Или может ли давление влиять на качество
продукции?

00:04:13.782 --> 00:04:18.100
Такого рода зависимость между переменными
называется корреляционной или корреляцией.

00:04:19.203 --> 00:04:24.122
Корреляционные связь согласованные
изменением двух пар-п признаков,

00:04:24.882 --> 00:04:31.881
отражающие тот факт, что изменчивость
одного признака находится в соответствии с

00:04:31.961 --> 00:04:33.680
изменчивостью другого.

00:04:34.840 --> 00:04:36.520
Известно, например, что в среднем

00:04:37.306 --> 00:04:43.146
Между ростом людей и их весом наблюдается
положительная связь такая: чем

00:04:44.786 --> 00:04:48.147
больше рост, тем больше вес человека.

00:04:48.947 --> 00:04:51.907
Однако из этого правила имеется
исключение.

00:04:52.627 --> 00:04:57.107
Когда относительно низкие люди имеют
избыточный вес и наоборот остеники

00:04:57.999 --> 00:05:00.438
При высоком росте имеет малый вес.

00:05:00.958 --> 00:05:07.315
Причиной подобных исключений является то,
что каждый биологический, физиологический

00:05:08.154 --> 00:05:09.913
или психологический признак

00:05:15.551 --> 00:05:17.950
определяется воздействием многих факторов.

00:05:23.896 --> 00:05:28.778
...средовых генетических, социальных,
экологических и так далее

00:05:31.298 --> 00:05:38.061
Корреляционные связи — это вероятностные
изменения, которые можно изучать только на

00:05:38.261 --> 00:05:42.222
представительных выборках методами
математической статистики.

00:05:43.804 --> 00:05:47.768
Оба термина: корреляционная связь и
корреляционная зависимость часто

00:05:47.848 --> 00:05:49.570
используются как синонимы.

00:05:50.851 --> 00:05:52.653
Зависимость подразумевает влияние

00:05:57.658 --> 00:06:00.981
связь подразумевает любые согласованные
изменения.

00:06:02.390 --> 00:06:05.069
которые могут объясняться сотнями причин.

00:06:06.109 --> 00:06:09.548
Релитационные связи не могут
рассматриваться как свидетельство

00:06:11.268 --> 00:06:13.868
причинно-следственной зависимости.

00:06:19.787 --> 00:06:23.866
Они лишь свидетельствуют о том, что
изменением одного признака

00:06:25.688 --> 00:06:29.324
Как правило, сопутствует изменению другого
признака.

00:06:32.002 --> 00:06:38.156
Кондиционная зависимость — это изменение,
которое вносит значение одного признака,

00:06:38.276 --> 00:06:43.192
вероятность появления разных значений
другого признака.

00:06:46.039 --> 00:06:49.868
Задача корреляционного анализа сводится к
установлению направления.

00:06:54.949 --> 00:07:00.830
Положительная и отрицательная и форма
линейная, либо нелинейная связи между

00:07:01.070 --> 00:07:05.950
варьирующими признаками, изменением её
тесноты и, наконец, проверки уровня

00:07:06.110 --> 00:07:09.030
значимости полученных коэффициентов
корреляции.

00:07:12.591 --> 00:07:15.271
Корреляционные связи различаются по форме.

00:07:16.353 --> 00:07:19.111
Направлению и степени и силе.

00:07:25.708 --> 00:07:29.866
По форме коррелляционная связь может быть
прямолинейной, прямолинейной или

00:07:30.066 --> 00:07:35.464
криволинейной. Прямолинейной может быть,
например, связь между количеством

00:07:35.584 --> 00:07:36.983
тренировок на тренажёре.

00:07:41.512 --> 00:07:45.556
...и количеством правильно решаемых задач
контрольной сессии.

00:07:49.240 --> 00:07:55.888
Криволинейной может быть, например, связь
между уровнем мотивации и

00:07:56.088 --> 00:07:58.931
эффективностью выполнения задач,
которые...

00:08:00.430 --> 00:08:06.236
Изображён рисунок, который изображён на
рисунке на рисунке один.

00:08:06.717 --> 00:08:12.963
При повышении мотивации эффективность
выполнения задачи сначала возрастает, это

00:08:13.083 --> 00:08:17.928
видно на графике, так затем достигается

00:08:19.436 --> 00:08:26.351
Оптимальный уровень мотивации, которому
соответствует максимальная эффективность

00:08:27.070 --> 00:08:28.349
выполнения задачи.

00:08:28.989 --> 00:08:34.105
Дальнейшему повышению мотивации
сопутствует уже снижению эффективности.

00:08:42.228 --> 00:08:48.712
...решении задач. То есть на рисунке один
изображена связь между эффективностью

00:08:48.833 --> 00:08:52.955
решения задачи и силой мотивационной
тенденции.

00:08:54.677 --> 00:09:00.801
По направлению корреляционная связь...

00:09:01.579 --> 00:09:06.178
Может быть положительной, то есть прямой и
отрицательной или обратной.

00:09:08.377 --> 00:09:12.495
Предположительная прямолинейная корреляции
более высоким значением.

00:09:16.463 --> 00:09:20.626
Одного признаку соответствуют более
высокие значения другого признака.

00:09:21.066 --> 00:09:25.469
А более низким значениям одного признака —
низкие значения другого признака.

00:09:25.589 --> 00:09:27.510
Что изображено на рисунке два?

00:09:28.911 --> 00:09:34.034
В отрицательной корреляции соотношения
будут обратными.

00:09:34.154 --> 00:09:37.036
Это изображено на рисунке три, это
зависимость

00:09:39.075 --> 00:09:43.953
При положительной корреляции коэффициент
корреляции имеет положительный знак, а при

00:09:44.112 --> 00:09:47.391
отрицательной корреляции — отрицательный
знак.

00:09:48.830 --> 00:09:50.709
Здесь на рисунке изображена прямая.

00:09:50.709 --> 00:09:52.907
На рисунке два — прямая корреляция.

00:09:53.587 --> 00:09:56.505
На рисунке три — обратная корреляция
изображена.

00:09:58.229 --> 00:10:01.150
И на рисунке четыре отсутствие корреляции.

00:10:02.991 --> 00:10:09.795
Степень сила или теснота корреляционной
связи определяется по

00:10:09.915 --> 00:10:12.397
величине коэффициента корреляции.

00:10:14.558 --> 00:10:18.240
Сила связи не зависит от её
направленности.

00:10:23.822 --> 00:10:30.338
И определяются по абсолютному значению
коэффициента корреляции.

00:10:32.856 --> 00:10:35.974
Рассмотрим общую классификацию
корреляционных связей.

00:10:36.134 --> 00:10:40.411
В зависимости от коэффициента корреляции
различаются следующие корреляционные

00:10:40.531 --> 00:10:40.971
связи.

00:10:44.489 --> 00:10:48.972
Сильная и тесная корреляционная связь при
коэффициенте корреляции

00:10:52.054 --> 00:10:54.495
больше 0,7.

00:10:54.976 --> 00:11:01.660
Средняя корреляционная связь.

00:11:02.725 --> 00:11:09.520
При значении коэффициента корреляции от
0,5 до 0,69 умеренное при

00:11:09.760 --> 00:11:14.557
значении коэффициент корреляции от 0,3 до

00:11:15.037 --> 00:11:18.435
0,49.

00:11:18.675 --> 00:11:20.633
Слабая корреляционная связь.

00:11:20.713 --> 00:11:21.193
Это связь

00:11:22.968 --> 00:11:28.403
При коэффициенте корреляции от 0,2 до 0,29
и очень слабая

00:11:32.440 --> 00:11:37.355
при значении коэффициента корреляции
меньше 0,19.

00:11:38.314 --> 00:11:41.232
Рассмотрим корреляционные поля и цели
построения.

00:11:43.522 --> 00:11:48.640
Корреляция изучается на основании
экспериментальных данных, представляющих

00:11:48.760 --> 00:11:55.597
собой измеренные значения X и gek двух

00:11:55.677 --> 00:11:59.355
признаков. Первый признак — X и, второй
признак — gк.

00:12:02.519 --> 00:12:07.114
Если экспериментальных данных немного, то
двухмерное эмпирическое распределение

00:12:07.753 --> 00:12:10.471
представляется в виде двойного ряда
значений

00:12:20.782 --> 00:12:24.783
При этом корреляционную зависимость между
признаками можно описывать разными

00:12:24.903 --> 00:12:25.743
способами.

00:12:31.423 --> 00:12:37.903
Соответствие между аргументом и функцией
может быть задано таблицей формулой и

00:12:38.023 --> 00:12:38.623
графиком.

00:12:42.939 --> 00:12:46.943
Корреляционный признак, как и другие,
корреляционный анализ, как и другие

00:12:47.063 --> 00:12:52.148
статистические методы, основывается на
использовании вероятностных моделей,

00:12:52.308 --> 00:12:57.273
описывающих поведение исследуемых
признаков в некоторых генеральных

00:12:57.393 --> 00:12:58.154
совокупности.

00:13:00.263 --> 00:13:05.384
...которые получены, из которой получены
экспериментальные значения X и grek.

00:13:06.305 --> 00:13:09.425
Когда исследуется корреляция между
количественными

00:13:09.505 --> 00:13:16.067
признаками, значение которых

00:13:16.467 --> 00:13:19.427
можно точно измерить в единицах
метрический шкал...

00:13:25.656 --> 00:13:29.895
То есть, допустим, в метрах секунды в
килограммах, то очень часто

00:13:33.175 --> 00:13:39.413
принимается модель двухмерной, нормально
распределённой генеральной совокупности.

00:13:41.423 --> 00:13:48.099
Такая модель отображает зависимость между
переменными величинами X и grafe

00:13:55.529 --> 00:14:00.170
...в виде геометрического места точек в
системе прямоугольных координат.

00:14:00.650 --> 00:14:05.491
Эта графическая зависимость называется
также диаграммой рассеивания или

00:14:05.691 --> 00:14:07.371
коррелитационным полем.

00:14:08.411 --> 00:14:12.932
Данная модель двухмерного нормального
распределения...

00:14:16.770 --> 00:14:22.693
Или корреляционное поле позволяет дать
наглядную, давать наглядную графическую

00:14:22.773 --> 00:14:29.616
интерпретацию коэффициента корреляции, так
как распределение

00:14:29.976 --> 00:14:34.578
совокупности зависит от пяти параметров.

00:14:36.164 --> 00:14:42.758
New X, New Yeк — это среднее значение или
математические ожидания.

00:14:43.437 --> 00:14:50.031
Sigma X sigma Yeк — стандартные отклонение
случайных величин X / ig

00:14:53.308 --> 00:14:55.986
и наконец P — коэффициент корреляции.

00:14:57.325 --> 00:15:02.368
...который является мерой взаимосвязи и
связи между случайными величинами икс и

00:15:02.528 --> 00:15:09.333
игрек Если P равно нулю, то значение X

00:15:09.573 --> 00:15:12.855
и игрек, полученные из двухмерной
нормальной совокупности...

00:15:14.168 --> 00:15:19.765
располагается на графике в координатах
X-грек в пределах области окружённой

00:15:19.845 --> 00:15:25.441
окружности изображён на рисунке 5А

00:15:29.719 --> 00:15:32.557
в этом случае между случайными величинами
X и Y

00:15:35.492 --> 00:15:39.690
Отсутствует корреляции, и они называются
некоррелированными.

00:15:40.490 --> 00:15:46.286
Для двухмерного нормального распределения
некоррелируемость

00:15:47.406 --> 00:15:50.684
означает одновременно и независимость
случайных величин.

00:15:58.729 --> 00:16:02.528
Икс игрек. Вот на рисунке A.

00:16:07.287 --> 00:16:13.205
Далее, на рисунке изображена графическая
интерпретация взаимосвязи между

00:16:13.445 --> 00:16:14.765
показателями X и Y.

00:16:15.937 --> 00:16:19.820
Если P равно коэффициенту корреляции
единицы или минус единицы, то между

00:16:20.060 --> 00:16:26.384
случайными величинами X и ger существует
линейная функциональная зависимость, то

00:16:26.464 --> 00:16:33.148
есть в виде уравнения игрек равняется C +
D X, в этом случае будет о полной

00:16:33.268 --> 00:16:37.350
корреляции полное при p равно единице,
значение

00:16:45.909 --> 00:16:50.385
Икс игрек определяют точки, лежащие на
прямой линии, имеющие положительный

00:16:50.505 --> 00:16:56.220
наклон. И с увеличением X значение грек
также увеличивается, то изображено на

00:16:56.300 --> 00:17:00.777
рисунке Б.

00:17:06.195 --> 00:17:12.713
То есть, э-э, рисунки, да, вот имеется в
виду пять рисунок Б.

00:17:13.313 --> 00:17:18.670
То есть на рисунке Б изображены
географическая интерпретации между двумя

00:17:18.790 --> 00:17:25.788
показателями X imC значение игрек это

00:17:26.028 --> 00:17:26.747
увеличивается.

00:17:28.139 --> 00:17:34.972
При П равно минус один прямая имеет
отрицательный наклон.

00:17:35.092 --> 00:17:38.808
Это рисунок 5B отрицательный наклон.

00:17:38.888 --> 00:17:40.486
А это положительный наклон.

00:17:40.886 --> 00:17:44.162
Это при p равно единице, это П равно минус
единице.

00:17:49.838 --> 00:17:56.790
В промежуточных случаях P между -1, точки,
соответствующие значениям X

00:17:57.030 --> 00:18:00.385
и g, попадают в область, ограниченную
некоторым эллипсом.

00:18:03.569 --> 00:18:09.251
При прямой положительной зависимости — это
рисунок 5B, при отрицательной прямой

00:18:09.371 --> 00:18:12.012
зависимости — рисунок 5G.

00:18:20.732 --> 00:18:26.452
Причём при p равном нулю, имеет место
положительная корреляция с увеличием с

00:18:26.492 --> 00:18:30.891
увеличением X и к значению игрек имеет
тенденцию возрастать.

00:18:31.171 --> 00:18:34.051
А при равно меньше нуля, корреляция
отрицательная.

00:18:36.038 --> 00:18:41.675
Чем ближе к P-1, тем уже эллюпсы и тем

00:18:42.395 --> 00:18:46.952
теснее спинентальные значения группируются
около прямой линии.

00:18:47.712 --> 00:18:51.630
Здесь же следует также обратить внимание
на то, что линия, вдоль которой

00:18:51.750 --> 00:18:52.949
группируются точки,

00:18:54.674 --> 00:18:58.354
Может быть не только прямой, а иметь
другую форму.

00:18:58.554 --> 00:19:01.355
То есть форму параболы, гиперболы и так
далее.

00:19:02.075 --> 00:19:07.795
В этих случаях мы рассматриваем так
называемую нелинейную или криволинейную

00:19:07.915 --> 00:19:10.315
корреляцию, изображённую на рисунке 5.

00:19:20.672 --> 00:19:27.639
Таким образом, визуальный анализ
корреляционного поля помогает выявить

00:19:27.719 --> 00:19:32.524
не только наличие статистической
зависимости линейной или нелинейной между

00:19:32.844 --> 00:19:38.210
исследуемыми признаков, но и частоту её
формулы.

00:19:39.228 --> 00:19:42.069
Это имеет существенное значение для
следующего шага

00:19:46.910 --> 00:19:53.431
в анализе выбора и вычисления

00:19:53.591 --> 00:19:54.311
соответствующего

00:19:57.892 --> 00:20:04.659
Коэффициенты корреляции.

00:20:04.979 --> 00:20:08.542
Корреляционную зависимость между
признаками можно описывать разными

00:20:08.662 --> 00:20:14.067
способами. В частности, любая форма связи
может быть выражена уравнением общего

00:20:14.148 --> 00:20:14.468
вида.

00:20:16.343 --> 00:20:17.864
Игрек равняется F от X.

00:20:17.864 --> 00:20:24.831
Загрек — признаки зависимой переменной или
функции независимой переменной X, который

00:20:25.111 --> 00:20:31.998
называется аргументо между аргументом и
функцией может быть задано таблицей,

00:20:32.038 --> 00:20:33.520
формулой, графиком и так далее.

00:20:35.895 --> 00:20:38.655
Рассмотрим этапы корреляционного анализа.

00:20:41.616 --> 00:20:46.737
Коэффициенты корреляции являются
общепринятой математической статистике

00:20:46.937 --> 00:20:51.057
характеристикой между двумя случайными
величинами.

00:20:52.818 --> 00:20:57.178
Коэффициент корреляции — показатель
степени взаимозависимости.

00:20:58.368 --> 00:21:04.209
Или статистической взаимосвязи двух
переменных меняются в пределах от -1 до +1

00:21:06.609 --> 00:21:12.090
коэффициента корреляции указывает на
возможное отсутствие

00:21:12.170 --> 00:21:13.970
зависимости.

00:21:14.810 --> 00:21:19.291
А значение +1 свидетельствует о
согласованности переменных.

00:21:21.520 --> 00:21:27.160
Различают следующие коэффициенты
корреляции дихотомический коэффициент

00:21:28.760 --> 00:21:34.640
— это показатель взаимосвязи признаков или
переменных, измеряемых по дихотомическим

00:21:34.720 --> 00:21:36.400
шкалам наименований.

00:21:37.360 --> 00:21:38.680
Второе — это пирсона.

00:21:39.492 --> 00:21:42.332
Писан продакт мумен прилещен.

00:21:42.612 --> 00:21:48.771
Коэффициент корреляции, используемый для
континуальных перемен.

00:21:49.330 --> 00:21:53.210
Следующий коэффициент корреляции ранговой
корреляции спирно.

00:21:57.681 --> 00:22:03.968
Коэффициент корреляции для переменных
измеренных в порядковых ранговых шкалах

00:22:07.092 --> 00:22:11.977
точно бесериальный коэффициент

00:22:13.563 --> 00:22:20.244
Или пункт биссериал парлищен коэффициент
корреляции,

00:22:20.284 --> 00:22:26.845
применяемый в случае анализа отношения
переменных, одна из которых

00:22:27.085 --> 00:22:29.805
измерена в континуальной шкале.

00:22:31.495 --> 00:22:34.698
Другая строка в декатомической шкале
наименований.

00:22:35.699 --> 00:22:42.306
Далее жи, жи обозначается коэффициент
корреляции, используемый в случае, если

00:22:42.867 --> 00:22:47.632
обе переменные измерены в декатомической
шкале наименований.

00:22:49.298 --> 00:22:54.296
Тетрофорический или четырёхпольный
петрофон коэффициент корреляции

00:22:54.575 --> 00:23:00.893
используется в случае, если перемены
измерены в континеальных шкалах.

00:23:02.692 --> 00:23:05.890
Линейная связь между переменами X-грек.

00:23:08.232 --> 00:23:14.950
Переменными и грек, я прошу прощения,
здесь, значит,

00:23:15.110 --> 00:23:15.630
печатка

00:23:22.068 --> 00:23:24.588
оценивается коэффициентом качество
корреляции.

00:23:25.955 --> 00:23:32.319
Коэффициент реакции определяется по этой
формуле, где X и прошу прощения, X и XG,

00:23:32.359 --> 00:23:38.244
то есть две переменные — это исследуемые
переменные: X и ещё повторяю — XG.

00:23:38.604 --> 00:23:45.489
Mxy и MG — математические ожидания
перемен, а Sigma — XI и SigMA XG —

00:23:45.609 --> 00:23:46.930
дисперсии переменных.

00:23:48.084 --> 00:23:52.963
Ну, вместо грек мы обозначили теперь XG
вторую переменную.

00:23:53.962 --> 00:23:59.920
Выборочный коэффициент корреляции
определяется по следующей формуле: R X

00:24:00.160 --> 00:24:03.839
Jo от единицы разделить на Н.

00:24:06.203 --> 00:24:11.440
Сумма разница между значениями, так и
делённое на

00:24:16.277 --> 00:24:18.075
значение S.

00:24:21.461 --> 00:24:25.982
Или по преобразованной формуле, вот по
такой формуле можно определять.

00:24:26.382 --> 00:24:32.024
Сейчас скажем: SG — оценки средних
квадратических отклонений, то есть

00:24:32.544 --> 00:24:37.465
квадратических отклонений, X J — оценки
математических ожиданий.

00:24:40.329 --> 00:24:44.531
А N большое — это число опытов, то есть
объём выборки.

00:24:46.652 --> 00:24:53.096
И индекс U здесь меняется, вот он, знаки
суммы.

00:24:53.656 --> 00:24:57.738
От единицы до N.

00:24:59.657 --> 00:25:05.173
И меняется от единицы DN индексы, а Ж
меняются от единицы DN.

00:25:05.813 --> 00:25:07.771
Это могут быть разные величины.

00:25:09.050 --> 00:25:13.087
Вот по такой формуле это выборочный
коэффициент корреляции определяется вот по

00:25:13.207 --> 00:25:18.443
следующей формуле. Здесь все параметры
разъяснены следующим образом.

00:25:20.722 --> 00:25:24.043
...которые сейчас было, о которых было
сказано.

00:25:26.003 --> 00:25:32.525
Так при совместной нормальной
распределённости исследуемых случайных

00:25:32.645 --> 00:25:35.246
величин по нормальному распределению.

00:25:35.526 --> 00:25:37.327
Имеется в виду нормальному
распределению...

00:25:38.065 --> 00:25:42.587
Случайных величин X и J, коэффициент
корреляции имеет определённый смысл

00:25:45.709 --> 00:25:47.270
связи между переменными.

00:25:47.550 --> 00:25:54.234
В противном случае коэффициент корреляции
может только косвенно характеризовать

00:25:54.434 --> 00:25:54.955
эту связь.

00:25:57.836 --> 00:26:02.556
Для оценки параметров выбранной модели
используются различные методы.

00:26:02.957 --> 00:26:08.797
Наиболее часто и наиболее часто применяют
так называемый метод наименьших квадратов

00:26:09.677 --> 00:26:13.118
или аббревиатура ММК.

00:26:13.598 --> 00:26:14.758
Согласно этому методу

00:26:18.193 --> 00:26:23.229
Параметры оцениваются из условия, что
сумма квадратов отклонения расчётных

00:26:23.389 --> 00:26:29.623
значений от модели тренда значений
переменных от модели тренда от

00:26:29.823 --> 00:26:34.938
эмпирических значений или фактических
должна быть минимальной.

00:26:35.805 --> 00:26:39.308
Во многих случаях применения МК, метода
МК.

00:26:40.131 --> 00:26:45.089
Метод наименьшего квадрата приводит к
системе линейно-относительной системе

00:26:45.169 --> 00:26:50.527
линейных уравнений относительно
оцениваемых параметров, которые могут

00:26:50.567 --> 00:26:54.765
обозначаться 01 в уравнений.

00:26:54.925 --> 00:26:58.124
И они получаются путём взятия частных
производных.

00:26:59.560 --> 00:27:04.955
И приравниваются эти производные, как
известно, в классической математике для

00:27:05.074 --> 00:27:11.708
того, чтобы оценить минимальное значение
отклонения, значит, фактических данных от

00:27:13.186 --> 00:27:15.623
фактических или эмпирических данных, вот
расчёт.

00:27:20.597 --> 00:27:26.788
После того, как вычислены параметры A0A и
так далее, определяют расчётные значения

00:27:27.947 --> 00:27:31.182
по модели тренда и отклонентных
эмпирических данных.

00:27:36.848 --> 00:27:40.808
Значит, значение T — это фактор времени.

00:27:41.008 --> 00:27:47.526
И Е — это представ- это будет динамический
ряд, который называется рядом

00:27:47.726 --> 00:27:53.005
остатков. То есть это случайная
переменная, которая представляет собой

00:27:53.045 --> 00:27:53.845
динамический ряд.

00:27:59.355 --> 00:28:01.993
Основные свойства коэффициента корреляции.

00:28:05.910 --> 00:28:10.427
К основным свойствам коэффициента
корреляции относятся следующие.

00:28:11.735 --> 00:28:18.420
Первое. Коэффициенты корреляции способны
характеризовать только линейные

00:28:18.540 --> 00:28:19.901
связи.

00:28:20.502 --> 00:28:24.065
То есть такие, которые выражаются
уравнением линейной функции.

00:28:24.825 --> 00:28:29.229
При наличии нелинейной зависимости между
варьирующими признаками следует

00:28:29.349 --> 00:28:31.791
использовать другие показатели связи.

00:28:42.778 --> 00:28:49.173
Второе. Свойство — это значение
коэффициента корреляции — это

00:28:49.293 --> 00:28:56.207
отвлечённые числа, лежащие в пределах от
-1 до +1, как уже было сказано.

00:28:56.247 --> 00:28:58.804
То есть коэффициент корреляции в данном
случае он обозначается

00:28:59.423 --> 00:29:00.663
Р, да?

00:29:00.823 --> 00:29:02.062
А не П, а не R.

00:29:02.462 --> 00:29:05.380
Чаще всего на R обозначается коэффициент
корреляции.

00:29:07.379 --> 00:29:10.857
Значение коэффициента корреляции — это
отвлечённые числа, которые лежат в

00:29:10.937 --> 00:29:13.655
пределах от -1 до +1.

00:29:14.454 --> 00:29:18.932
При независимом варьировании признаков,
когда связь между ними

00:29:19.825 --> 00:29:26.349
Отсутствует, то коэффициент корреляции
равняется нулю.

00:29:26.789 --> 00:29:33.152
Четвёртое свойство при положительной ли
прямой

00:29:33.272 --> 00:29:38.315
связи, когда с увеличением значения одного
признака возрастает значение другого

00:29:41.710 --> 00:29:46.747
Коэффициент корреляции приобретает
положительный знак и находится в пределах

00:29:46.827 --> 00:29:47.306
от нуля до

00:29:47.386 --> 00:29:55.580
+1,

00:29:55.660 --> 00:29:59.337
когда с увеличением значения одного
признака, соответственно, уменьшается

00:29:59.537 --> 00:30:00.337
значение другого

00:30:01.595 --> 00:30:06.033
Коэффициент корреляции сопровождается
отрицательным знаком и находится в

00:30:06.073 --> 00:30:08.391
пределах от нуля до минус единицы.

00:30:08.671 --> 00:30:10.470
От -1.

00:30:11.510 --> 00:30:18.506
Чем сильнее связь между признаками, тем
ближе величина коэффициента

00:30:18.585 --> 00:30:19.825
корреляции к единице.

00:30:21.368 --> 00:30:26.045
Если коэффициент корреляции равен
плюс-минус единице, то корреляционная

00:30:26.165 --> 00:30:28.284
связь переходит в функциональную.

00:30:28.724 --> 00:30:34.480
То есть каждому значению признака X будет
соответствовать одно или несколько строго

00:30:34.640 --> 00:30:37.398
определённых значений признака ik.

00:30:44.785 --> 00:30:46.143
Седьмое свойство.

00:30:47.581 --> 00:30:52.495
Только по величине коэффициента корреляции
нельзя судить о достоверности

00:30:52.695 --> 00:30:55.012
корреляционной связи между признаками.

00:30:55.764 --> 00:31:00.207
Этот параметр также зависит от числа
степеней свободы.

00:31:00.847 --> 00:31:06.611
F обозначает, число степеней свободы
равняется N - 2, где N — число

00:31:06.731 --> 00:31:11.213
коррелируемых пар показателей X X

00:31:12.888 --> 00:31:18.724
Чем больше, тем выше достоверность связи
при одном и том же

00:31:23.481 --> 00:31:29.677
значении коэффициента корреляции переходим
к рассмотрению

00:31:32.901 --> 00:31:35.263
Оцениваем качество уравнения регрессии.

00:31:36.544 --> 00:31:43.029
Качество модели регрессии связывается с
адекватностью модели, наблюдаемой,

00:31:43.549 --> 00:31:45.391
то есть эмпирическим данным.

00:31:46.632 --> 00:31:49.954
Проверка адекватности или соответствия
модели регрессии.

00:31:54.090 --> 00:31:57.807
Наблюдаемым данным проводятся на основе
анализа остатков

00:32:02.363 --> 00:32:08.358
при построении уравнения регрессии мы
можем надо разбить значение igrek, в

00:32:08.478 --> 00:32:10.396
каждом наблюдении на две составляющие.

00:32:11.663 --> 00:32:16.141
Игрек с крышкой сверху и апсилум I.

00:32:17.060 --> 00:32:23.896
И тогда игрек-кое это значение индекс K
равно

00:32:24.256 --> 00:32:29.053
значению игрек-К с крышкой + апсилум K.

00:32:30.114 --> 00:32:36.596
То есть остаток представляет собой
отклонение фактического значения

00:32:36.796 --> 00:32:42.357
зависимой переменной в значение данной
переменной, полученное расчётным путём.

00:32:44.757 --> 00:32:49.478
То есть игрек и будет отклонение
фактического значения переменной, так?

00:32:53.853 --> 00:33:00.215
От значения данной переменной полученной
расчётным путём, где

00:33:00.655 --> 00:33:07.218
индекс меняется единице индекс на

00:33:07.418 --> 00:33:10.859
практике, как правило, то есть N — это
число значений переменной.

00:33:11.918 --> 00:33:16.238
На практике, как правило, имеет место
некоторое рассеивание точек

00:33:16.358 --> 00:33:22.037
корреляционного поля относительно
теоретической линии регрессии.

00:33:22.717 --> 00:33:28.917
То есть отклонение эмпирических данных от
теоретических или

00:33:29.437 --> 00:33:30.637
препсим.

00:33:31.294 --> 00:33:32.613
Не равнолю.

00:33:32.733 --> 00:33:35.091
Эпсиум и не равно нулю.

00:33:38.607 --> 00:33:44.482
Величина этих отклонений лежит в основе
расчёта показателей качества или

00:33:44.682 --> 00:33:47.400
адекватности уравнения регрессии.

00:33:47.440 --> 00:33:49.438
Величина этих показателей — эпсиум и

00:34:02.587 --> 00:34:08.143
То есть, чем больше эти значения, тем
меньше качество в уравнении регрессии.

00:34:08.183 --> 00:34:11.100
Чем меньше эти значения, тем больше
качество.

00:34:12.579 --> 00:34:18.774
При анализе модели регрессии используется
основное положение

00:34:19.134 --> 00:34:20.732
дисперсионного анализа.

00:34:24.379 --> 00:34:28.452
Согласно которому общая сумма квадратов
отклонений зависимые переменные от

00:34:28.532 --> 00:34:29.490
среднего значения.

00:34:42.115 --> 00:34:48.188
Может быть разложен на две составляющие,
объяснённую и необъяснённую уравнением

00:34:48.308 --> 00:34:49.827
регрессии, дисперсии.

00:34:50.146 --> 00:34:57.019
В этой формуле, в формуле игрек и
значения, вычисленные по

00:34:57.099 --> 00:34:57.458
модели.

00:34:59.755 --> 00:35:06.279
И здесь дана сумма отклонений gre по
модели от

00:35:06.439 --> 00:35:12.643
фактических значений первая составляющая,
так объяснённая и

00:35:12.763 --> 00:35:18.006
необъяснённая — это вторая составляющая.

00:35:19.198 --> 00:35:23.807
Если, значит, и меняется от единицы до
формула участ

00:35:26.532 --> 00:35:27.293
можно увеличить.

00:35:42.286 --> 00:35:49.121
Да, увеличили формулу игрек минус игрек
щетой имеется в виду

00:35:50.560 --> 00:35:51.959
щетой с крышкой.

00:35:52.759 --> 00:35:57.276
Почему-то чето значение переменной,
вычисленной по модели.

00:35:57.435 --> 00:36:00.993
А игрек — это фактическое значение, и
меняется единице.

00:36:03.826 --> 00:36:08.543
Сделаем ещё больше значение понятнее

00:36:19.814 --> 00:36:22.812
немного вышло из-за.

00:36:33.450 --> 00:36:34.247
Прошу прощения.

00:36:49.049 --> 00:36:53.372
Вот эта формула grek с крышкой, да, с
чертой.

00:36:53.572 --> 00:36:59.177
Но имеется в виду с крышкой — это
значение, вычисленное по модели, так?

00:36:59.578 --> 00:37:02.340
А с чертой — это практические значение.

00:37:03.101 --> 00:37:06.303
Разделив правую и левую часть на
выражение.

00:37:07.634 --> 00:37:14.234
Игрек игрек чертой в квадрате, ой, в
степени получаем следующую формулу.

00:37:14.394 --> 00:37:14.674
Мы тоже

00:37:14.994 --> 00:37:28.753
её.

00:37:30.493 --> 00:37:32.651
И получаем следующую форму.

00:37:47.557 --> 00:37:51.314
Идея, значит, числитель и знаменатель
получаем следующую форму.

00:37:52.005 --> 00:37:58.884
И-и-и где, значит, в числителе у нас сумма
значений отклонения от фактического

00:37:59.164 --> 00:38:03.924
значения, так переменных вот вычислили.

00:38:04.244 --> 00:38:08.724
И в результате получаем коэффициент
детерминации, который проявляется

00:38:08.884 --> 00:38:09.804
следующим образом.

00:38:24.453 --> 00:38:26.091
Коэффициент детерминации.

00:38:27.130 --> 00:38:32.283
И коэффициент детерминации вот
определяется здесь вверху объясняемая

00:38:32.443 --> 00:38:36.158
сумма квадратов, так и общая сумма
квадратов.

00:39:05.641 --> 00:39:07.123
Коэффициент детерминации.

00:39:07.243 --> 00:39:09.966
Детерминации. Так.

00:39:10.687 --> 00:39:16.173
Коэффициент детерминации показывает долю
вариации результативного признака,

00:39:16.774 --> 00:39:20.658
находящегося под воздействием изучаемого
фактора, то есть определяет

00:39:21.651 --> 00:39:28.210
Какая доля вариаций признака учтена,
признака I, естественно, учтена в модели и

00:39:28.450 --> 00:39:31.129
обусловлена влиянием двух фактора.

00:39:31.809 --> 00:39:35.769
Чем ближе R-квадрат к единице, тем лучше
качество модели.

00:39:36.569 --> 00:39:37.448
Это Р-квадрат.

00:39:42.365 --> 00:39:46.404
Для оценки качества регрессионных моделей
целесообразно также использовать

00:39:46.524 --> 00:39:50.282
коэффициент множественной корреляции.

00:39:50.562 --> 00:39:56.000
Или он ещё называется индексом корреляции
R большой обычно обозначается.

00:39:56.280 --> 00:39:58.519
Данный коэффициент является универсальным.

00:39:59.578 --> 00:40:06.219
Так как он отражает тесноту связи и
точность модели, а

00:40:06.419 --> 00:40:10.859
также может использоваться при любой форме
связи переменных.

00:40:11.380 --> 00:40:16.300
При построении однофакторной линейной
модели он равен коэффициенту линейной

00:40:16.420 --> 00:40:17.020
корреляции.

00:40:21.566 --> 00:40:23.005
Итак, повторим основное.

00:40:23.444 --> 00:40:30.318
После построения уравнения грессии можно
разбить значение грек, то есть переменные,

00:40:30.398 --> 00:40:37.231
в каждом наблюдении на две составляющие:
You с крышкой и эпсилом и

00:40:38.892 --> 00:40:43.697
Остаток, то есть эпсел — это остаток
представляет собой отклонение фактического

00:40:43.938 --> 00:40:50.785
значения переменной от фактического
значение

00:40:51.265 --> 00:40:55.310
данной переменной, полученной расчётным
путём, расчётным путём.

00:40:56.179 --> 00:41:01.783
Если мы, значит, вычтем из этого значения

00:41:03.664 --> 00:41:07.587
значение gek получим значение psol.

00:41:07.707 --> 00:41:12.910
На практике меняется от единицы до.

00:41:14.465 --> 00:41:17.385
Здесь, э-э, так сказать, видно?

00:41:18.585 --> 00:41:25.267
Просто увеличим, что и меняется индекс
единицы

00:41:25.467 --> 00:41:29.427
D. На практике

00:41:32.430 --> 00:41:36.870
Как правило, имеет место некоторое
рассеивание точек корреляционного поля

00:41:37.909 --> 00:41:40.949
относительно теоретической линии
регрессии.

00:41:41.389 --> 00:41:46.628
То есть отклонение эмпирических данных от
теоретических, которые как раз отклонения

00:41:46.828 --> 00:41:51.267
показывают эпил, которые не равны и
эпслны, которые не равны нулю.

00:41:52.663 --> 00:41:55.503
То есть отклонения эмпирических данных от
теоретических.

00:41:55.623 --> 00:42:01.782
Величина этих отклонений лежит в основе
расчёта показателей качества или

00:42:01.942 --> 00:42:04.022
адекватности уравнения регрессии.

00:42:04.702 --> 00:42:10.341
При анализе модели регрессии используется
основное положение дисперсионного анализа,

00:42:10.581 --> 00:42:13.460
согласно которому общая сумма квадратов
отклонений

00:42:15.018 --> 00:42:21.098
Зависимые переменные от среднего значения,
которое обозначается

00:42:21.698 --> 00:42:26.218
чертой, да, от своего среднего значения
может быть разложено

00:42:29.458 --> 00:42:30.698
на две составляющие.

00:42:31.689 --> 00:42:34.047
Значит, объяснённое и необъяснённое.

00:42:34.486 --> 00:42:36.404
Здесь в квадрате всё.

00:42:36.684 --> 00:42:38.402
Скобки все в квадрате.

00:42:39.561 --> 00:42:43.357
Объяснённое и необъяснённое уравнением
регрессии.

00:42:43.717 --> 00:42:46.753
Значит, объяснённое, так и необъяснённое.

00:42:47.433 --> 00:42:48.312
Егрек и

00:42:50.072 --> 00:42:54.592
Скрычка значение вычисленной модели, то
есть теоретическое значение.

00:42:55.232 --> 00:43:00.432
Разделив правую и левую часть выражения,
вот первое выражения, на единицу, на вот

00:43:00.632 --> 00:43:07.272
эту величину, сумму квадратов отклонений
от средней, мы

00:43:07.472 --> 00:43:07.792
получим

00:43:09.873 --> 00:43:12.510
А делим. Так.

00:43:13.149 --> 00:43:14.667
Здесь единица будет.

00:43:15.467 --> 00:43:20.621
Здесь, значит, будет вот это отношение и
соответствующее это отношение.

00:43:20.701 --> 00:43:26.375
И получаем, что единица равня вот этим,
этому значению в сумме двух слагаемых.

00:43:29.880 --> 00:43:34.957
И исходя из этого, определяется
коэффициент э-э детерминации.

00:43:37.636 --> 00:43:44.192
Он определяется как выражение, вот это
выражение, которое равно

00:43:45.391 --> 00:43:48.869
единице минус этому выражению.

00:43:51.632 --> 00:43:56.433
Так, то есть коэффициент терминации
определяется вот таким путём.

00:43:56.913 --> 00:44:03.433
Коэффициент терминации показывает долю
вариации результативного признака,

00:44:04.953 --> 00:44:08.713
находящегося под воздействием изучаемых
факторов.

00:44:08.793 --> 00:44:12.713
То есть определяет, какая доля вариации
признака.

00:44:13.665 --> 00:44:20.140
Учтена в модели и обусловлено влиянием на
него

00:44:20.300 --> 00:44:26.856
факторов. Чем ближе R- квадрат коэффициент
терминации к

00:44:26.896 --> 00:44:29.015
единице, тем выше качество модели.

00:44:38.213 --> 00:44:41.772
Единица. То есть, чем меньше вот эта
величина, то есть отклонение

00:44:42.052 --> 00:44:45.531
теоретического значения показателя
переменной от

00:44:48.490 --> 00:44:53.448
эмпирического значения, то есть тем выше
качество модели.

00:44:57.127 --> 00:44:57.887
Для оценки

00:44:58.710 --> 00:45:02.791
В качестве регрессионных моделей
целесообразно также использовать

00:45:02.871 --> 00:45:04.632
коэффициент множественной корреляции.

00:45:06.815 --> 00:45:10.572
...или индекс корреляции, который
обозначается большой буквой Р.

00:45:10.972 --> 00:45:16.369
Данный коэффициент является универсальным,
так как он отражает тесноту связи и

00:45:16.449 --> 00:45:17.928
точность модели.

00:45:18.128 --> 00:45:22.125
А также может использоваться при любой
форме связи переменных.

00:45:23.005 --> 00:45:23.964
При простроении...

00:45:26.723 --> 00:45:32.769
Однофакторной линейной модели он равен
следующему коэффициенту линейной

00:45:32.849 --> 00:45:38.575
корреляции. Однофакторной линейной модели
равен коэффициенту линейной корреляции.

00:45:39.336 --> 00:45:43.180
Коэффициент линейной корреляции,
показывающий корреляционную связь между

00:45:43.420 --> 00:45:44.301
переменными X и

00:45:47.080 --> 00:45:52.166
Р большое коэффициентной корреляции
равняется коэффициенту линейной корреляции

00:45:54.449 --> 00:45:58.413
качество, полученное на равней регрессии
оценивают также с помощью средней

00:45:58.493 --> 00:46:03.058
относительной ошибки аппроксимации или
приближения которой ошибывается в

00:46:03.098 --> 00:46:04.139
последующей формуле.

00:46:06.132 --> 00:46:11.653
Где игрек — это значение переменной,
вычисленной по моделик — эмпирический

00:46:12.133 --> 00:46:14.453
игрек и просто эмпирические значения.

00:46:14.693 --> 00:46:21.413
И чем меньше вот это отклонение, сумма
этих отклонений, делённая на игрек, тем

00:46:21.493 --> 00:46:27.133
лучше. И делится всё на число переменных
игрек, на N малое.

00:46:28.435 --> 00:46:32.638
То есть это средняя относительная ошибка
проксимации или приближения.

00:46:32.838 --> 00:46:37.721
И она рассчитывается по этой формуле, где
эта величина по модулю знак модуля

00:46:37.881 --> 00:46:41.043
стоит.

00:46:41.284 --> 00:46:47.448
Допустимый предел значения этого
показателя составляет не более 80%, чем,

00:46:47.528 --> 00:46:48.128
то есть должен быть

00:46:49.298 --> 00:46:51.539
Не более 10—8%.

00:46:52.339 --> 00:46:57.420
После того, как естественно, измеряется
проценты, раз умножаем на 100%.

00:46:58.340 --> 00:47:03.541
После того, как уровня регрессии
построена, выполняется проверка

00:47:03.661 --> 00:47:04.501
значимости.

00:47:05.610 --> 00:47:12.534
Построенно уравнение в целом и отдельных

00:47:12.654 --> 00:47:18.537
параметров оценить значимость уравнения
регрессии

00:47:19.737 --> 00:47:22.418
— это значит установить, соответствует ли

00:47:24.308 --> 00:47:28.471
Математическая модель, выражающая
зависимость между переменными игрек и X

00:47:29.312 --> 00:47:36.038
фактическим данным число включённых в
уравнений,

00:47:36.078 --> 00:47:41.002
объединяющих переменные X для описания
зависимой переменной игрек.

00:47:48.709 --> 00:47:51.107
Оценка значимости уравнения регрессии

00:47:57.021 --> 00:48:00.697
производится для того, чтобы узнать,
пригодно ли уравнение регрессии для

00:48:00.817 --> 00:48:05.133
практического использования, допустим, для
прогнозирования или нет?

00:48:12.935 --> 00:48:17.971
При этом выдвигается основную, выдвигается
основная гипотеза о незначимости уравнения

00:48:18.131 --> 00:48:24.526
в целом, которая формально сводится к
гипотезе о равенстве нулю в параметров

00:48:24.726 --> 00:48:30.961
регрессии или то же самое о равенстве нулю
коэффициент

00:48:31.281 --> 00:48:32.200
детерминации.

00:48:40.718 --> 00:48:43.080
То есть R квадрат равно нулю.

00:48:44.641 --> 00:48:50.005
Альтернативная гипотеза о значимости
уравнения — это гипотеза о неравенстве

00:48:50.205 --> 00:48:51.806
нуле параметров регрессии.

00:48:51.886 --> 00:48:53.407
Неравенства.

00:48:54.048 --> 00:48:57.810
Оценка значимости уравнения регрессии.

00:48:58.679 --> 00:49:02.834
С осуществляется с помощью критерия
фишера, который также называется

00:49:02.994 --> 00:49:09.785
F-критерием. Для парной регрессии формула

00:49:09.945 --> 00:49:14.060
Foльшого критерия выглядит следующим
образом: f равно

00:49:16.098 --> 00:49:22.983
Коэффициент корреляции умножить на n минус
2, где число N — число значений

00:49:23.263 --> 00:49:24.264
переменной.

00:49:36.271 --> 00:49:36.311
Если

00:49:40.658 --> 00:49:45.976
Рассчитанное по вышеприведённой формуле
значение F-критерия больше табличного

00:49:46.096 --> 00:49:50.415
значения, то уравнение регрессии
признаётся статистически значимым.

00:49:51.335 --> 00:49:56.213
Табличное значение F-критерия берётся из
специальных статистических таблиц, которые

00:49:56.573 --> 00:49:58.533
есть в любом учебнике по эконометрике.

00:49:59.568 --> 00:50:06.530
Табличное значение Fкритерия выбирается
исходя из уровня значимости альфа равно

00:50:07.811 --> 00:50:09.451
0,5.

00:50:11.455 --> 00:50:15.254
Такой и такой уровень значимости
принимается для экономических расчётов

00:50:15.854 --> 00:50:22.693
0,05 или5 и числа степеней свободы при

00:50:22.973 --> 00:50:28.452
К первой равно 1 и при K второй равно
минус два для парной регрессии.

00:50:30.760 --> 00:50:37.038
Термин корреляции был введён в наукой
выдающимся английским

00:50:37.158 --> 00:50:41.557
естестве-испытателем Фрэнсисом Галтоном в
1886 году.

00:50:42.117 --> 00:50:48.395
Однако точную форму для расчёта
коэффициента корреляции разработал её

00:50:48.515 --> 00:50:49.715
ученик Карл Пирсон.

00:50:50.723 --> 00:50:55.682
Задачи с одним выходным параметрам имеют
очевидное преимущество.

00:50:56.001 --> 00:51:00.160
Но на практике чаще всего приходится
учитывать несколько выходных параметров.

00:51:01.196 --> 00:51:04.037
И иногда их число довольно велико.

00:51:04.317 --> 00:51:09.278
Так, например, при производстве резиновых
пластмассовых изделий приходится учитывать

00:51:09.358 --> 00:51:12.599
физико-химические, технологические,
экономические, художественные,

00:51:12.639 --> 00:51:14.599
эстетические и другие параметры.

00:51:14.999 --> 00:51:19.560
То есть параметры прочности, эластичности
относительно удлинения и так далее.

00:51:20.727 --> 00:51:25.851
Математические модели можно построить для
каждого из параметров, но одновременно

00:51:28.653 --> 00:51:31.575
оптимизировать несколько функций
невозможно.

00:51:34.818 --> 00:51:37.020
Обычно оптимизируется одна функция.

00:51:37.602 --> 00:51:44.248
Наиболее важное с точки зрения цели
исследования при ограничениях,

00:51:44.288 --> 00:51:46.410
налагаемых другими функциями.

00:51:48.132 --> 00:51:53.577
Поэтому для многих выходных параметров
выбирается один в качестве параметра

00:51:53.657 --> 00:51:54.458
оптимизации.

00:51:56.597 --> 00:51:58.796
А остальные служат ограничениями.

00:52:01.516 --> 00:52:06.915
Всегда полезно исследовать возможность
уменьшения числа выходных

00:52:07.075 --> 00:52:08.994
параметров.

00:52:09.874 --> 00:52:13.273
Для этого и используется корреляционный
анализ.

00:52:16.914 --> 00:52:20.632
С использованием результатов
корреляционного анализа исследователь

00:52:20.832 --> 00:52:27.068
может делать определённые выводы о наличии
и характере взаимозависимостей, что уже

00:52:27.268 --> 00:52:30.067
само по себе может представлять
существенную информацию

00:52:36.223 --> 00:52:37.782
об исследуемом объекте.

00:52:41.220 --> 00:52:46.979
Результаты могут подсказать и направление
дальнейших исследований и совокупность

00:52:47.179 --> 00:52:52.578
требуемых методов, в том числе
статистических, э-э-э которые необходимы

00:52:52.738 --> 00:52:54.978
для более полного изучения объекта.

00:53:03.748 --> 00:53:09.390
Особенно реальную пользу применения
аппарата корреляционного анализа может

00:53:09.711 --> 00:53:15.353
принести на стадии ранних исследований в
областях, где характеры причин

00:53:15.633 --> 00:53:18.714
определённых явлений ещё недостаточно
понятны.

00:53:22.035 --> 00:53:24.716
Это может касаться изучения очень сложных
систем.

00:53:25.658 --> 00:53:27.017
Различного характера.

00:53:27.137 --> 00:53:33.730
Как технических, так и социального
Перейдём к рассмотрению понятий

00:53:33.850 --> 00:53:36.408
типов, признаков факторного анализа.

00:53:41.203 --> 00:53:41.762
Методика

00:53:42.449 --> 00:53:48.849
Фактор анализа является методика
комплексного системного изучения и

00:53:49.129 --> 00:53:53.689
измерение воздействия факторов на величину
результативных показателей.

00:53:55.049 --> 00:54:01.009
Под экономическим фактором анализа
понимается постепенный переход от

00:54:01.729 --> 00:54:03.929
исходной факторной системы к конечной.

00:54:06.119 --> 00:54:12.287
Раскрытие полного набора прямых
количественно изменяемых факторов,

00:54:12.647 --> 00:54:17.694
оказывающих влияние на изменение
результативных показателя.

00:54:19.497 --> 00:54:20.098
Существует

00:54:26.250 --> 00:54:28.768
Несколько типов факторного анализа.

00:54:30.885 --> 00:54:31.605
Первый тип

00:54:38.317 --> 00:54:45.070
— это детерминированный анализ или
методика исследования влияния факторов.

00:54:48.249 --> 00:54:52.883
Связь которых с мультативными показателями
носит функциональный характер.

00:54:56.518 --> 00:54:58.196
Второй тип факторного анализа

00:55:03.072 --> 00:55:04.791
Это статистический анализ.

00:55:04.951 --> 00:55:09.191
И то есть исследование факторов, связь
которых с результативными показателями

00:55:09.351 --> 00:55:11.030
является вероятностной.

00:55:13.390 --> 00:55:20.029
Третий тип факторного анализа — методика
прямого факторного анализа.

00:55:21.921 --> 00:55:24.924
Это когда исследование ведётся от общего к
частному.

00:55:27.047 --> 00:55:28.528
Четвёртый тип.

00:55:31.372 --> 00:55:36.337
Методика обратного факторного анализа,
когда исследование ведётся от частного к

00:55:36.457 --> 00:55:36.938
общему.

00:55:42.215 --> 00:55:46.210
Пятый тип — это методика одноступенчатого
фактора анализа.

00:55:46.369 --> 00:55:53.040
Когда исследуются факторы одного уровня
подчинённости без

00:55:53.359 --> 00:55:55.237
их детализации составные части.

00:56:03.045 --> 00:56:08.923
То есть, это факторный детерминированный
статистический, возможно, финансовый

00:56:09.003 --> 00:56:09.842
анализ.

00:56:11.122 --> 00:56:19.638
Шестой.

00:56:19.798 --> 00:56:20.718
Шестой метод.

00:56:25.584 --> 00:56:29.948
Это методика многоступенчатого факторного
анализа, когда исследование проводится с

00:56:30.028 --> 00:56:31.590
детализацией факторов.

00:56:32.310 --> 00:56:35.994
Седьмой метод — методика статистического
факторного анализа.

00:56:36.474 --> 00:56:39.837
Когда она применяется при анализе на
соответствующие даты.

00:56:41.797 --> 00:56:46.280
Восьмой метод — методика динамического
факторного анализа, когда исследования

00:56:47.360 --> 00:56:50.923
проводится исследование
причинно-следственных связей в динамике.

00:56:52.724 --> 00:56:57.447
Девятое — это методика ретроспективного
фактора анализа, когда изучаются причины

00:56:57.607 --> 00:56:58.008
прироста

00:57:00.072 --> 00:57:04.994
Результативных показателей за прошлые
периоды.

00:57:07.715 --> 00:57:13.677
Десятый метод, методика перспективного
факторного анализа, когда происходит

00:57:13.917 --> 00:57:18.559
исследование поведения факторовные
показатели в перспективе.

00:57:21.959 --> 00:57:27.043
Здесь факторы — это причины, формирующие
результаты хозяйственно-финансовой

00:57:27.203 --> 00:57:34.127
деятельности. Как потому что занимаемся
экономическими

00:57:34.207 --> 00:57:35.688
и финансовыми вопросами.

00:57:36.209 --> 00:57:40.251
Влияние факторов по-разному отражается на
изменении результативных показателей

00:57:40.411 --> 00:57:41.492
хозяйственной деятельности.

00:57:42.888 --> 00:57:47.447
Исследования в анализе факторы могут быть
квалифицированы по разным признакам

00:57:52.086 --> 00:57:58.244
первый признак по своей природе:
природно-климатический,

00:57:58.324 --> 00:58:00.723
социально-экономический,
производственно-экономический

00:58:02.487 --> 00:58:07.368
Второй признак по степени воздействия на
результаты хозяйственной деятельности

00:58:09.809 --> 00:58:12.289
на основные, на второстепенные.

00:58:12.569 --> 00:58:17.251
Третий признак по зависимости от человека.

00:58:17.331 --> 00:58:21.092
Субъективная зависит от деятельности
юридических и физических лиц.

00:58:24.350 --> 00:58:27.553
А объективные не зависят от деятельности
человека.

00:58:29.154 --> 00:58:34.638
Четвёртое — по местам воздействия:
внутренние и внешние.

00:58:35.639 --> 00:58:41.763
Пятое — по степени распространённости
общие и специфические.

00:58:43.668 --> 00:58:50.227
Шестой признак

00:58:50.987 --> 00:58:55.466
по сроку воздействия на результаты
хозяйственной деятельности: постоянные и

00:58:55.586 --> 00:58:57.106
периодические.

00:58:57.346 --> 00:58:59.826
И седьмой признак по характеру действия.

00:59:00.783 --> 00:59:03.341
Интенсивные и эксценные.

00:59:04.980 --> 00:59:09.296
Систематизация факторов в анализе
хозяйственной деятельности обусловлена

00:59:09.455 --> 00:59:16.369
системным подходом и означает размещение
изучаемых факторов в

00:59:16.409 --> 00:59:17.488
определённом порядке.

00:59:20.358 --> 00:59:23.876
С выявлением их взаимосвязи и
подчинённости.

00:59:26.634 --> 00:59:33.070
Одним из способов систематизации факторов
является создание детерминируемых фактор

00:59:33.390 --> 00:59:40.066
систем. Методы

00:59:40.265 --> 00:59:41.305
факторного анализа.

00:59:44.530 --> 00:59:47.329
И детерминированный факторный анализ.

00:59:49.969 --> 00:59:54.928
Детерминированное моделирование факторных
систем — это простое и эффективное

00:59:55.088 --> 01:00:00.447
средство формализации связномических
показателей.

01:00:01.455 --> 01:00:07.296
Оно служит основой для количественной
оценки роли отдельных факторов, динамики

01:00:07.456 --> 01:00:09.776
изменения обобщающего показателя.

01:00:12.657 --> 01:00:17.217
Детерминированное моделирование факторных
систем ограничено

01:00:20.322 --> 01:00:22.960
Длиной факторного поля прямых связей.

01:00:24.160 --> 01:00:30.437
Размах количественных изменений
экономических показателей можно выяснить

01:00:30.477 --> 01:00:35.395
только статистическим анализом массовых
эмпирических данных.

01:00:37.342 --> 01:00:42.707
При детерминированном фактором анализе
модель изучаемого явления не изменяется по

01:00:42.827 --> 01:00:45.229
хозяйственным объектам периода.

01:00:45.469 --> 01:00:49.833
При необходимости сравнения результатов
деятельности отдельных хозяйств или одного

01:00:49.953 --> 01:00:54.837
хозяйства в отдельные периоды может
возникать лишь вопрос сопоставимости

01:00:55.078 --> 01:00:56.759
выявленных на основе моделей.

01:00:57.324 --> 01:01:02.561
количественных аналитических результатов
Ретерминированный факторный анализ

01:01:02.681 --> 01:01:07.638
представляет собой методику исследования,
влияния факторов, связь которых с

01:01:07.678 --> 01:01:11.036
результативным показателями носят
функциональный характер.

01:01:12.075 --> 01:01:15.993
Ретерминированные модели могут быть
разного типа: аддитивные

01:01:17.123 --> 01:01:21.241
Мультипликативные, кратные, кратные и
смешанные.

01:01:22.600 --> 01:01:24.520
Представим адитивные модели.

01:01:24.919 --> 01:01:29.837
Адитивные модели представляют собой
алгебраическую сумму показателей и имеют

01:01:29.877 --> 01:01:31.836
следующую математическую интерпретацию.

01:01:31.916 --> 01:01:32.956
Здесь знак суммы.

01:01:33.829 --> 01:01:35.829
Прошу извинения, знак суммы.

01:01:36.308 --> 01:01:40.507
Значит, индексы по сумме меняются от
единицы до N.

01:01:40.827 --> 01:01:45.466
То есть суммируется алгебраическая сумма.

01:01:45.506 --> 01:01:49.105
Вот иксы, значение признака X.

01:01:49.343 --> 01:01:51.781
От единицы достает знак суммы.

01:01:51.941 --> 01:01:55.339
Поясняю. Мультипликативная следующая
модель.

01:01:55.698 --> 01:01:58.976
Мулькулятивной тоже здесь не хватает знак
произведения.

01:02:00.415 --> 01:02:05.371
Вот, так получилось, что в формулу не
вошло, индексы меняются.

01:02:05.451 --> 01:02:06.850
Ну я сейчас постараюсь

01:02:08.878 --> 01:02:10.919
Поставить знак произведения.

01:02:11.319 --> 01:02:14.040
Его можно поставить, потому что это буква
П.

01:02:15.360 --> 01:02:22.281
Значит, и индекс меняется от единицы до N
при произведении всех факторов

01:02:23.722 --> 01:02:25.802
X в третьей степени, допустим.

01:02:27.137 --> 01:02:31.055
Кратные модели. Кратные модели
представляют соотношение факторов имеет

01:02:31.175 --> 01:02:36.372
следующий вид. Очень простой: Z равнокс по
отношению к Y.

01:02:37.011 --> 01:02:42.768
Зет — совокупный показатель показатель, а
X — это параметр фактора.

01:02:43.287 --> 01:02:47.566
Икс игрек. Следующие смешанные модели.

01:02:47.686 --> 01:02:52.926
Смешанные модели представляют собой
комбинацию перечисленных моделей

01:02:55.286 --> 01:03:01.965
примером смешанных моделей является
формула расчёта интегрального показателя.

01:03:03.425 --> 01:03:06.742
Рентабельности. Вот интегральный
показатель рентабельности.

01:03:06.822 --> 01:03:13.137
Где РК рентабельность интегральная RP это

01:03:13.336 --> 01:03:14.975
рентабельность продаж.

01:03:15.495 --> 01:03:19.971
ФЕ — фондоёмкость умножаем на
фондоёмкость.

01:03:24.597 --> 01:03:27.994
Из коэффициент закрепления оборотных
средств.

01:03:28.394 --> 01:03:35.029
То есть получается, что чем больше
трудоёмкость, тем и выше ментабельность.

01:03:41.904 --> 01:03:45.581
Петерминируемым фактором анализа
используются следующие способы.

01:03:47.591 --> 01:03:49.392
Первый — логарифмический способ.

01:03:49.952 --> 01:03:54.075
Когда этот способ применим к кратной
метипликативной модели.

01:03:54.555 --> 01:03:59.598
Он основан на логарифмировании отклонения
отчётного и базисных значений

01:03:59.718 --> 01:04:04.882
результативного признака равного отношению
соответствующих произведению факторов.

01:04:12.977 --> 01:04:19.775
Способ долевого участия предполагает, что
в определении доли каждого

01:04:19.895 --> 01:04:25.893
фактора в общей сумме его приростов, вот
этот способ используется для определения

01:04:26.053 --> 01:04:28.692
доли каждого фактора в общей сумме их
приростов.

01:04:29.401 --> 01:04:35.960
...который затем умножается на общий
прирост совокупного показателя.

01:04:40.759 --> 01:04:42.038
То есть очень просто.

01:04:42.438 --> 01:04:44.838
Доля каждого фактора в общей сумме
прироста

01:04:45.782 --> 01:04:51.218
Ну, допустим, 0,3 уменьшается на общий
совокупных показатель и

01:04:52.457 --> 01:04:54.016
прирост на прирост.

01:04:54.136 --> 01:05:00.372
И получаем долю прироста совокупных
показателей за счёт этого фактора.

01:05:01.011 --> 01:05:02.290
Далее индексный метод.

01:05:03.940 --> 01:05:07.344
Этот метод основывается на построении
факторных индексов.

01:05:07.584 --> 01:05:13.031
Метод статистики мы рассматривали на одном
из занятий

01:05:15.354 --> 01:05:18.237
факторных индексов. Применение
агрегированных индексов.

01:05:19.083 --> 01:05:23.645
означает последовательное лиминирование
влияния отдельных факторов на совокупные

01:05:23.765 --> 01:05:29.128
показатели. Вот как раз игрегированные
индексы ещё раз повторяю, означает

01:05:29.288 --> 01:05:33.530
последовательное лиминирование, то есть
исключение влияния отдельных факторов на

01:05:33.610 --> 01:05:34.690
совокупный показатель.

01:05:35.703 --> 01:05:41.937
С помощью индексного метода можно
определить влияние факторов на абсолютное

01:05:42.057 --> 01:05:46.813
отклонение результативного показателя.

01:05:47.413 --> 01:05:52.049
Это в одной из лекций это было проделано,
это было видно.

01:05:53.550 --> 01:05:57.872
Эта лекция касалась индексного метода как
раз индексов.

01:05:58.632 --> 01:06:05.035
И то, что сейчас сказано, без формул, было
там продемонстрировано с помощью формул.

01:06:05.956 --> 01:06:10.918
Интегральный способ ещё позволяет достичь
полного разложения результативного

01:06:11.078 --> 01:06:11.758
показателя.

01:06:14.443 --> 01:06:19.562
По факторам и этот способ носит
универсальный характер.

01:06:19.882 --> 01:06:25.001
Он применим как к монификативным, как
кратным, так и смешанным моделям.

01:06:26.880 --> 01:06:29.240
Есть ещё метод цепных подстановок.

01:06:29.480 --> 01:06:32.599
Он заключается в определении ряда
промежуточных значений.

01:06:34.457 --> 01:06:40.410
Результативного показателя путём
последовательной замены

01:06:43.007 --> 01:06:49.759
базисных значений факторов на счётные
цепные, проще

01:06:49.919 --> 01:06:51.117
говоря, цепные индексы.

01:06:52.952 --> 01:06:57.269
Ещё раз заключается в определении рядах
значений показателя, причём

01:06:57.389 --> 01:07:01.626
последовательных замены базисных значений
факторов на отчётные.

01:07:01.826 --> 01:07:05.903
В общем виде применение способов цепных
постановок можно описать следующим

01:07:05.983 --> 01:07:10.419
образом. Где вот эти формулы, где A0B0

01:07:12.989 --> 01:07:17.185
Означает базисное значение фактора,
оказывающих влияние на обобщающие

01:07:17.264 --> 01:07:18.703
показатели Y, так?

01:07:20.661 --> 01:07:27.014
Произведение звёздочка означает А первое,
Б первое, Ц первое — фактические значения.

01:07:27.374 --> 01:07:31.689
Ну обычно есть отношения, обычно берут
отношения.

01:07:32.811 --> 01:07:34.730
Бноль, C0, Б ноль.

01:07:35.810 --> 01:07:38.289
Здесь Б1, Ц0 и Б1, C1.

01:07:39.409 --> 01:07:43.448
А первое, Б первое, Ц первое — фактические
значения факторов.

01:07:45.047 --> 01:07:47.567
А первое, A0, базисное A.

01:07:48.562 --> 01:07:55.367
То есть, э-э, а ноль лучше сказать, э-э,
умножаем на ба

01:07:55.567 --> 01:07:57.328
на C ноль. Ну и так далее.

01:08:00.410 --> 01:08:05.574
Игрек А-игрек Б — промежуточное значение
результирующего показателя.

01:08:06.072 --> 01:08:11.466
Связано с изменением факторов AB A и Brek
0.

01:08:12.425 --> 01:08:16.980
Значит, A, igrek B, Y, Yoль.

01:08:17.060 --> 01:08:21.295
Когда у вас все базисные показатели
перемножаются, Y, когда все отчёты

01:08:21.772 --> 01:08:24.050
Текущие показатели уменьшаются.

01:08:24.689 --> 01:08:28.926
Но недостаток этого метода состоит в том,
что в зависимости от выбранного порядка

01:08:29.685 --> 01:08:34.642
замены факторов результаты факторного
разложения имеют разное значения.

01:08:39.837 --> 01:08:40.957
Абсолютных разниц.

01:08:43.180 --> 01:08:48.174
Ещё существует такой метод, является
модификация способа цепной постановки.

01:08:48.654 --> 01:08:53.489
Изменение показателя за счёт каждого
фактора здесь определяется как

01:08:53.688 --> 01:09:00.681
произведение абсолютного прироста
исследуемого фактора на базисную величину

01:09:00.801 --> 01:09:01.240
фактора.

01:09:03.322 --> 01:09:08.571
Ещё раз, как произведение абсолютного
прироста исследуемого, исследуемого

01:09:08.812 --> 01:09:13.981
фактора на базисную величину фактора.

01:09:21.458 --> 01:09:23.899
Ещё метод относительных разниц.

01:09:24.019 --> 01:09:28.340
Он является одной из модификаций способов
цепной и той же подстановки.

01:09:28.580 --> 01:09:33.940
Применяется для измерения влияния факторов
на прирост результативного показателя в

01:09:34.020 --> 01:09:35.901
мультипликативных моделях.

01:09:36.421 --> 01:09:40.861
Он используется в случае, когда исходные
данные содержат определённые ранее

01:09:40.981 --> 01:09:42.342
относительные отклонения.

01:09:44.740 --> 01:09:47.018
Факторные показателей проценты.

01:09:53.294 --> 01:09:56.612
Следующий стакастический факторный анализ
рассмотрим

01:10:02.049 --> 01:10:05.207
анализ направлен на изучение косвенных
связей.

01:10:07.247 --> 01:10:09.528
Между показателями.

01:10:09.768 --> 01:10:16.051
Сахастический анализ выступает в качестве
инструмента углубления детерминированного

01:10:16.171 --> 01:10:22.534
анализа факторов, по которым нельзя
построить детерминированную

01:10:22.774 --> 01:10:24.215
детерминированную модель.

01:10:25.892 --> 01:10:29.695
Статистическое моделирование факторных
систем взаимосвязи отдельных сторон

01:10:30.055 --> 01:10:36.980
хозяйственной деятельности опирается на
обобщение

01:10:37.581 --> 01:10:41.944
закономерностей варьирования значений
экономических показателей.

01:10:48.831 --> 01:10:54.347
Ещё раз, значит, опирается на обобщение
закономерностей, варьирования значений

01:10:54.587 --> 01:10:55.946
экономических показателей.

01:10:56.346 --> 01:11:00.183
Первой предпосылкой стакастического
моделирования является возможность

01:11:00.343 --> 01:11:02.422
составить совокупность наблюдений.

01:11:03.261 --> 01:11:06.979
В стастическом анализе предпосылкой
получения реальной модели

01:11:07.974 --> 01:11:13.180
Является западение количественных
характеристик связей в разрезе всех

01:11:13.460 --> 01:11:14.902
исходных наблюдений.

01:11:15.583 --> 01:11:19.909
Второй предпосылкой применяемости
статистического подхода моделирования

01:11:20.469 --> 01:11:22.111
связей является

01:11:23.566 --> 01:11:28.049
качественная однородность в совокупности

01:11:33.051 --> 01:11:38.975
изучаемая закономерность изменения
экономических показателей выступает здесь

01:11:39.215 --> 01:11:40.135
в скрытом виде.

01:11:41.262 --> 01:11:46.862
Она переплетается со случайными с точки
зрения исследования

01:11:49.662 --> 01:11:54.142
компонентами вариаций и вариации
показателей.

01:11:55.369 --> 01:12:00.804
Третья предпосылка статистического анализа
— это достаточные размеры совокупности

01:12:01.044 --> 01:12:05.879
наблюдений, позволяющие с достаточной
надёжностью и точностью

01:12:07.677 --> 01:12:10.555
выявить изучаемые закономерности.

01:12:12.548 --> 01:12:17.984
Четвёртая предпосылка статистического
подхода — это наличие методов, позволяющих

01:12:18.104 --> 01:12:23.341
выявлять, выявить количественные параметры
экономических показателей из массов

01:12:23.581 --> 01:12:29.937
данных, из массы данных, из массовых
данных варьирование уровней показателей,

01:12:30.137 --> 01:12:31.176
уровня показателей.

01:12:31.634 --> 01:12:36.637
Выполнение этих требований является важной
предпосылкой применяемости методов и

01:12:36.757 --> 01:12:40.799
достоверности полученных результатов.

01:12:42.120 --> 01:12:46.002
Основная особенность стафистического
факторовного анализа заключается в том,

01:12:46.042 --> 01:12:48.764
что при стастическом анализе

01:12:49.352 --> 01:12:53.756
Нельзя составлять модель путём
качественного анализа.

01:13:00.843 --> 01:13:05.247
Метод корреляционно-регрессионного анализа
широко используется для определения

01:13:05.407 --> 01:13:07.609
тесноты связи между показателями.

01:13:08.326 --> 01:13:10.967
Не находящимся в функциональной
зависимости.

01:13:11.287 --> 01:13:14.527
С помощью корреляции решаются две основные
задачи.

01:13:14.968 --> 01:13:20.129
Первое: составляется модель действующих
факторов и второе — даётся количественная

01:13:20.209 --> 01:13:21.649
оценка тесноты связи.

01:13:25.650 --> 01:13:29.655
Матричные модели представляют собой
схемантическое отражение экономического

01:13:29.855 --> 01:13:33.659
явления или процесса с помощью научной
абстракции.

01:13:34.700 --> 01:13:38.424
Математическое программирование — это
основное средство решения задач по

01:13:38.584 --> 01:13:39.745
оптимизации.

01:13:40.517 --> 01:13:42.359
Как мы знаем,
производственно-хозяйственной

01:13:42.559 --> 01:13:45.282
деятельности. Это и линейное
программирование, нелинейное

01:13:45.402 --> 01:13:48.565
программирование, опять же, статистическое
программирование.

01:13:49.846 --> 01:13:52.569
Так, это целочисленное программирование.

01:13:53.290 --> 01:13:57.373
То есть все эти то-всё программирование,
которое используется для оптимизации.

01:14:00.312 --> 01:14:04.670
Методы исследования операций, и относятся
они к методу исследования операций.

01:14:04.750 --> 01:14:09.269
Методы исследования операций направлен на
изучение экономических систем, в том числе

01:14:09.469 --> 01:14:12.348
производственно-хозяйственных предприятий.

01:14:13.028 --> 01:14:18.186
Есть ещё теория игр, которая широко
используется тоже в хозяйственной

01:14:18.266 --> 01:14:18.866
деятельности.

01:14:19.650 --> 01:14:24.015
Это теория математических моделей принятия
оптимальных решений в условиях

01:14:25.216 --> 01:14:31.663
неопределённости или конфликта нескольких
сторон, имеющих различные

01:14:31.784 --> 01:14:36.549
интересы. Функционирование любой
социально-экономической системы

01:14:37.724 --> 01:14:41.045
Ну, к которым, конечно, относится любое
предприятие, происходит в условиях

01:14:41.125 --> 01:14:44.527
сложного взаимодействия комплекса
внутренних и внешних факторов.

01:14:45.167 --> 01:14:50.770
Фактор — это причина или движущая сила
какого-либо процесса или явления и

01:14:51.170 --> 01:14:54.772
определяющая его характер или одну из
основных черт.

01:14:56.381 --> 01:15:02.217
Под факторным анализомся методика
комплексного системного изучения и

01:15:02.297 --> 01:15:06.254
измерения воздействия факторов на
величину, результативных показателей.

01:15:07.093 --> 01:15:12.330
В общем случае можно выделить следующие
основные этапы или задачи факторного

01:15:12.449 --> 01:15:12.889
анализа.

01:15:14.601 --> 01:15:16.839
Это первое — постановка цели.

01:15:20.514 --> 01:15:23.750
То есть здесь происходит отбор факторов,
определяющих...

01:15:24.110 --> 01:15:28.943
Второе — отбор факторов, определяющих
исследуемые результативные показатели.

01:15:30.333 --> 01:15:34.891
Классификация и систематизация факторов с
целью обеспечения комплексного системного

01:15:35.051 --> 01:15:38.690
подхода к исследованию их влияния на
результаты хозяйственной деятельности.

01:15:38.970 --> 01:15:43.687
Это первый этап — постановка цели, второй
— отбор факторов, третий этап —

01:15:43.767 --> 01:15:48.325
классификация, систематизация факторов с
целью обеспечения комплексного системного

01:15:48.485 --> 01:15:49.525
подхода к исследованию.

01:15:50.560 --> 01:15:53.121
...и их влияние на результаты
хозяйственной деятельности.

01:15:53.642 --> 01:15:57.323
Далее, четвёртое — это определение форм
зависимостей между факторами и

01:15:57.363 --> 01:15:58.924
результативными показателями.

01:15:59.484 --> 01:16:05.207
Пятое — это моделирование взаимосвязей
между результативными и факторными

01:16:05.327 --> 01:16:05.927
показателями.

01:16:09.608 --> 01:16:14.045
И последнее, шестое — это работа с
факторной моделью, то есть её практическое

01:16:14.245 --> 01:16:17.403
использование для управления
экономическими процессами.

01:16:19.522 --> 01:16:26.318
Иначе говоря, задача, э-э, значит, этого
метода — это переход от реально

01:16:26.798 --> 01:16:30.436
большого числа признаков, то есть методов
факторного анализа.

01:16:31.545 --> 01:16:38.467
Или причины, определяющих наблюдаемую
изменчивость небольшому

01:16:38.587 --> 01:16:44.868
числу наиболее важных переменных или
факторов с минимальной потерей информации.

01:16:48.680 --> 01:16:55.550
И близкие к этому методу, по сути, но не
по математическому аппарату есть

01:16:56.309 --> 01:17:00.383
это методы компонентного анализа,
канонического анализа и другие.

01:17:03.817 --> 01:17:07.980
Метод возник и первоначально
разрабатывался в задачах психологии и

01:17:08.020 --> 01:17:11.462
антропологии на рубеже XIX—XX веков.

01:17:11.703 --> 01:17:15.025
Но сейчас область его приложения, конечно,
значительно шире.

01:17:15.505 --> 01:17:17.467
Назначение факторного анализа.

01:17:18.388 --> 01:17:19.348
Факторный анализ

01:17:26.840 --> 01:17:32.196
Это предполагает определение, влияние
факторов на результат.

01:17:32.356 --> 01:17:37.112
И он является одним из сильнейших
методических решений в анализе

01:17:37.232 --> 01:17:40.070
хозяйственной деятельности компании для
принятия решений.

01:17:40.550 --> 01:17:42.948
Для руководителей это дополнительный
аргумент.

01:17:43.304 --> 01:17:45.385
...или дополнительный угол зрения.

01:17:47.266 --> 01:17:50.106
Целесообразность применения факторовного
анализа.

01:17:50.987 --> 01:17:55.428
Факторы делятся на внутренние и внешние, в
зависимости от того, влияет ли на них

01:17:55.508 --> 01:17:57.589
деятельность данного предприятия или нет.

01:18:00.774 --> 01:18:04.253
При анализе основное внимание уделяется
внутренним факторам, на которые

01:18:04.573 --> 01:18:06.333
предприятие может воздействовать.

01:18:07.293 --> 01:18:12.732
Факторы подразделяются на объективные, то
есть независящие от воли и желаемых людей,

01:18:12.772 --> 01:18:18.170
и субъективные, подверженные влиянию
деятельности юридических и физических лиц.

01:18:19.461 --> 01:18:20.061
По степени

01:18:27.660 --> 01:18:31.380
распространённости факторы делятся на
общие и специфические.

01:18:32.020 --> 01:18:34.940
Общие факторы действуют во всех отраслях
экономики.

01:18:35.391 --> 01:18:39.954
Специфические факторы действуют в пределах
отдельной отрасли или конкретного

01:18:40.114 --> 01:18:43.636
предприятия. Виды факторного анализа.

01:18:43.956 --> 01:18:45.477
Ещё раз повторим.

01:18:45.997 --> 01:18:50.679
Это существует следующий типы факторного
анализа: терминированный функциональный —

01:18:50.800 --> 01:18:53.241
это результативные показатели, представлен
в виде

01:18:53.909 --> 01:19:00.433
Произведение частного или алгобраической
суммы факторов.

01:19:00.513 --> 01:19:06.397
Второй статистический корреляционный — это
когда связь между тативными факторными

01:19:06.477 --> 01:19:09.398
показателями является неполной или
вероятностной.

01:19:10.784 --> 01:19:17.111
Третий тип — это прямой и дедуктивный, уже
говорили, от общего к частному;

01:19:17.672 --> 01:19:20.715
обратный: индуктивный от частного к
общему.

01:19:21.556 --> 01:19:26.441
Пятый тип — одноступенчатый и
многоступенчатый.

01:19:26.601 --> 01:19:26.961
Шестой

01:19:28.081 --> 01:19:29.843
Статический и динамический.

01:19:29.923 --> 01:19:33.406
И седьмое — ретроспективный и
перспективный.

01:19:34.647 --> 01:19:38.811
В зависимости от типа фактора модели
различает два основных вида факторного

01:19:38.931 --> 01:19:42.374
анализа: детерминированный и
саркастический.

01:19:43.736 --> 01:19:47.379
Ещё раз повторю, детерминированный фактор
анализа представляет собой методику

01:19:47.499 --> 01:19:48.580
исследования влияния фактора

01:19:49.388 --> 01:19:53.311
Часть которых результативным показателем
носит функциональный характер.

01:19:53.591 --> 01:19:57.394
То есть, когда результативный показатель
факторной модели представлен в виде

01:19:57.474 --> 01:19:59.796
произведения частной или алгебрической
суммы.

01:19:59.916 --> 01:20:04.280
Но здесь идёт повторение этого материала и
так.

01:20:04.400 --> 01:20:07.322
И наконец, детерминируемый факторный
анализ имеет

01:20:08.007 --> 01:20:11.204
Достаточно жёсткую последовательность
выполняемых процедур.

01:20:11.523 --> 01:20:16.798
Первая процедура — построение экономически
обоснованной доминированной факторной

01:20:16.878 --> 01:20:23.351
модели. Второе — выбор приёма факторного
анализа, подготовка условий для его

01:20:23.511 --> 01:20:24.030
выполнения.

01:20:25.753 --> 01:20:28.871
Третье — реализация счётных процедур
анализа моделей.

01:20:29.071 --> 01:20:35.267
И четвёртое — формулирование выводов и
рекомендаций по результатам анализа.

01:20:37.306 --> 01:20:41.144
Основные методы терминируемного фактора
анализа — это метод, ещё раз повторюсь

01:20:41.224 --> 01:20:45.141
цепных подстановок, метод абсолютных
разниц, метод относительных разниц.

01:20:45.643 --> 01:20:49.361
Интегральный метод и метод
логарифмирования.

01:20:49.921 --> 01:20:55.878
Стастический анализ представляет собой
методику исследования факторов, связь

01:20:56.038 --> 01:20:59.276
которых с результативным показателем, в
отличие от функционального, является

01:20:59.556 --> 01:21:01.915
неполной вероятностной или корреляционной.

01:21:02.648 --> 01:21:06.524
Суть сокрастического метода — это
измерение влияния стокрастических

01:21:06.643 --> 01:21:10.838
зависимостей с неопределёнными и
приблизительными факторами.

01:21:11.398 --> 01:21:16.871
Стакристический метод целесообразно
применять для эмпирических исследований с

01:21:16.951 --> 01:21:17.470
неполным

01:21:18.391 --> 01:21:22.109
...или вероятностной корреляции, например,
задачами маркетинга.

01:21:23.389 --> 01:21:27.187
Если при функциональной или полной
зависимости изменения аргумента всегда

01:21:27.467 --> 01:21:31.785
происходит соответствующее изменение
функции, то при гареляционной связи

01:21:31.905 --> 01:21:36.703
изменение аргумента может дать несколько
значений прироста функции в зависимости от

01:21:36.823 --> 01:21:39.782
сочетания других факторов, определяющих
данный уровень.

01:21:42.315 --> 01:21:45.916
Например, производительность труда при
одном и том же уровне фондовооружённости

01:21:46.196 --> 01:21:49.197
может быть не одинаковой на разных
предприятиях.

01:21:49.597 --> 01:21:54.039
Это зависит от оптимальности сочетания
других факторов, действующих на этот

01:21:54.279 --> 01:21:59.000
показатель. Сахастическое моделирование
является в определённой степени

01:21:59.160 --> 01:22:02.401
дополнением и углублением детерминирующего
факторного анализа.

01:22:03.398 --> 01:22:10.236
Факторном анализе эти модели анализируются
используются по

01:22:10.316 --> 01:22:11.795
трём основным причинам.

01:22:12.315 --> 01:22:17.673
Во-первых, необходимо изучение влияния
факторов, по которому нельзя построить

01:22:17.753 --> 01:22:19.992
жёстко терминируемую факторную модель.

01:22:20.112 --> 01:22:22.432
Например, уровень финансового.

01:22:23.406 --> 01:22:29.326
Второе. Необходимое изучение влияния
сложных факторов, которые не поддаются

01:22:29.526 --> 01:22:33.966
объединению в одной и той же жёсткой
двухмерной модели.

01:22:34.686 --> 01:22:39.525
И третье — необходимо изучение влияния
сложных факторов, которые не могут быть

01:22:39.645 --> 01:22:41.805
выражены одним количественным показателем.

01:22:41.925 --> 01:22:44.565
Например, уровень научно-технического
прогресса.

01:22:47.976 --> 01:22:51.539
Каждый результативный показатель зависит
от многочисленности от многочисленных

01:22:51.619 --> 01:22:56.822
факторов. Чем детальнее исследуется
вени-фактор результативного показателя,

01:22:56.902 --> 01:23:01.305
тем точнее результаты анализа и оценки
качества труда предприятия.

01:23:04.440 --> 01:23:07.761
Важным методологическим вопросом в анализе
хозяйственной деятельности является

01:23:08.201 --> 01:23:13.043
изучение измерение влияния факторов на
величину исследуемых экономических

01:23:13.123 --> 01:23:17.205
показателей. Без глубокого всестороннего
изучения факторов нельзя сделать

01:23:17.525 --> 01:23:22.047
обоснованные выводы о результатах
деятельности, то есть выявить резервы

01:23:22.247 --> 01:23:24.768
производства, обосновать планы и
управленческие решения.

01:23:25.911 --> 01:23:30.034
Основной задачей является сжатие
информации, переход от множества значений

01:23:30.114 --> 01:23:34.557
к ограниченному множеству элементов
матрицы факторного отображения.

01:23:34.917 --> 01:23:39.480
Методы факторного анализа позволяют также
визуализировать структуру изучаемых

01:23:39.640 --> 01:23:43.362
явления процессов, значит, определять их
состояние и прогнозировать развитие

01:23:44.602 --> 01:23:49.200
А также методы факторного анализа обладают
свойствами весьма привлекательным для их

01:23:49.240 --> 01:23:52.199
использования в составе других
статистических методов.

01:23:52.798 --> 01:23:56.557
Факторный анализ параметров позволяет
выявить на ранней стадии нарушения

01:23:56.677 --> 01:24:01.914
рабочего процесса различных объектов,
которые часто невозможно заметить путём

01:24:02.034 --> 01:24:03.833
непосредственного наблюдения за
параметром.

01:24:04.865 --> 01:24:11.708
Вот список используемой литературы
девятнадцатого года, такистический

01:24:11.828 --> 01:24:16.710
анализ данных цифровой экономики в системе
статистики, так, учебно-практическое

01:24:16.911 --> 01:24:20.432
пособие, многомерный статистический анализ
экономических задач.

01:24:21.233 --> 01:24:23.792
Компьютерное моделирование, ссылки есть.

01:24:24.271 --> 01:24:30.467
Введение и анализ временных рядов, учебное
пособие для вузов со

01:24:30.547 --> 01:24:37.502
ссылкой. Так Демидова, эконометрика,
естественно, может

01:24:37.662 --> 01:24:39.541
найти литературу по эконометрике, так.

01:24:42.344 --> 01:24:44.503
Э-э 23-го года.

01:24:44.783 --> 01:24:47.621
Ссылка есть и теория статистики.

01:24:47.901 --> 01:24:50.620
Тоже с ссылкой учебник двадцать третьего
года.

01:24:51.059 --> 01:24:53.578
Всё, спасибо за внимание.

01:24:54.138 --> 01:24:54.817
До свидания.

