Korrelationsmodell (CM) - ein Programm Computing, die Bereitstellung der Herstellung eines mathematischen Gleichung, in der produktiven Indikator quantifiziert Abhängigkeit von einem oder mehreren Indikatoren.
uh = ao + a1h1
wobei: y - effektive Rate in Abhängigkeit von der x-Faktor;
x - Faktor variabel;
A1 - KM Option, zeigen, wie viel produktiver Anzeige wird aus einer Änderung von Faktor X pro Einheit zu ändern, sofern alle anderen Faktoren, die y unverändert bleiben;
AO Parameter KM, die den Einfluss aller anderen Faktoren auf eine produktive Indikator zeigt an anderen Stellen als Faktorvariable x
Bei der Auswahl wirksamer Indikatoren und Faktormodelle muss der Tatsache Rechnung tragen, dass die produktive Anzeige in der Kausalkette ist auf einem höheren Niveau,Faktor als Leistung.
Spezifikationen Korrelationsmodell
Nach der Berechnung der Parameter der Berechnung des Korrelationskoeffizienten von Korrelationsmodell.
r - Korrelationskoeffizient, -1 ≤ p ≤ 1, zeigt die Stärke und Richtung des Einflussfaktor auf den Indexwert.Das näher an 1 liegt, desto stärker ist die Beziehung, die näher an 0 ist, desto schwächer Link.Wenn der Korrelationskoeffizient positiv ist, wird eine direkte Verbindung wenn negativ - Feedback.
Korrelationskoeffizient Formel pxy = (x * x-1 / y) / * eu eh eh
hh2- = (x) 2;eu = y2 (y) 2
Wenn KM lineare multifaktoriell, mit der Form:
uh = ao + a1h1 a2x2 + ... + anx
dann berechnet wird, multiple Korrelationskoeffizient.
0 ≤ p ≤ 1 ist, und zeigt die Stärke des kombinierten Einflusses aller Parameter auf einem Produktionsfaktor.
P = 1- ((uh-yi) 2 / (yi -usr) 2)
Wo: uh - produktive Anzeige - berechneten Wert;
yi - der tatsächliche Wert;
USr- Istwert der Durchschnitt.
Geschätzter Wert yi durch Einsetzen der Korrelationsmodell anstelle von x1, x2 usw. erhaltenihre tatsächlichen Werte.
für eindimensionale und mehrdimensionale nichtlineare Modelle berechneten Korrelationsverhältnis:
-1 ≤ m ≤ 1;
0 ≤ m ≤ 1
angenommen, dass die Beziehung zwischen produktiven und in das Modell der Faktorenindikatoren schwach ist, wenn der Wert des Koeffizienten Nähe der Verbindung (m) im Bereich von 0 bis 0,3;wenn 0,3-0,7 - die Dichtheit der Verbindung - der Durchschnitt;oben 0,7-1 - eine starke Bindung.
Da der Korrelationskoeffizient (Dampf) p, der Korrelationskoeffizient (multiple) P Korrelationsverhältnis m - Werte der Wahrscheinlichkeit, dann erwartet die Koeffizienten ihrer Bedeutung (durch die Tabelle bestimmt).Wenn diese Faktoren größer als der Wert in der Tabelle sind, die Nähe der Verbindungskoeffizienten sind wesentliche Faktoren.Wenn die Faktoren von Bedeutung Nähe der Verbindung kleiner als der Tabellenwerte oder wenn er Kopplungskoeffizient kleiner als 0,7 ist, so gilt das Modell nicht alle Leistungsfaktor das Ergebnis wesentlich zu beeinflussen.
Entschlossenheit Koeffizient zeigt die prozentuale Faktor bei der Modellparameter enthalten bestimmen die Bildung von dem Ergebnis.
D = P2 * 100%
D = P2 * 100%
D = m2 * 100%
Wenn der Bestimmungskoeffizient größer ist als 50, dann wird das Modell adäquat beschreibt den Prozess untersucht, wenn weniger als 50, dann müssen wir wieder auf den ersten Bauabschnitt gehenund die Auswahlfaktor Indizes für die Aufnahme in dem Modell zu ändern.
Verhältnis Fisher oder Fisher-Test charakterisiert die Effizienz des Modells als Ganzes.Wenn das berechnete Verhältnis größer als der Tabelle angegeben ist, ist die integrierte Modell für die Analyse und Planung von Indikatoren von Berechnungen für die Zukunft.Etwa Tabellenwert = 1,5.Wenn der berechnete Wert kleiner als der Tisch ist, müssen Sie zunächst ein Modell zu bauen, einschließlich der wesentlichen Einflussfaktoren auf das Ergebnis.Zusätzlich zu der Wirksamkeit des Gesamtmodells zu einer deutlichen Beeinträchtigung jedes Regressionskoeffizienten.Wenn der berechnete Wert für dieses Verhältnis überschritten größte Tabelle ist die Regressionskoeffizienten signifikant ist, wenn auch weniger, der Faktor-Index, der für dieses Verhältnis bestimmt ist, werden aus der Probe entfernt wird, werden die Berechnungen beginnen zuerst, aber ohne diesen Faktor.
