modèle de corrélation (CM) - un programme informatique, en fournissant la production d'une équation mathématique, dans lequel l'indicateur de production quantifiée selon une ou plusieurs indicateurs.
uh = ao + A1H1
où: y - taux effectif, selon le facteur de x;
x - facteur variable;
A1 - l'option KM, montrant combien productive indicateur va changer d'un changement du facteur X par unité, à condition que tous les autres facteurs affectant y restent inchangés;
AO paramètre KM qui montre l'influence de tous les autres facteurs sur un indicateur productif à autre que facteur variable x
Lors du choix des indicateurs et des modèles factoriels efficace doit prendre en compte le fait que l'indicateur de production dans la chaîne de la causalité est à un niveau supérieur,facteur de performance.
modèle spécifications de corrélation
Après avoir calculé les paramètres du modèle calculé le coefficient de corrélation de la corrélation.
r - coefficient de corrélation, -1 ≤ p ≤ 1, montre la force et la direction du facteur d'influence sur le score de l'indice.Le plus proche de 1, plus la relation, la plus proche de 0, le lien plus faible.Si le coefficient de corrélation est donc un lien direct positif si négatif - rétroaction.
formule de coefficient de corrélation pxy = (x * x-1 / y) / * eu eh eh
hh2- = (x) 2;UE = Y2 (y) 2
Si KM linéaire multifactorielle, ayant la forme:
uh = ao + A1H1 a2x2 + ... + anx
coefficient de corrélation multiple alors il est calculé.
0 ≤ p ≤ 1, et montre la force de l'influence combinée de tous les paramètres sur un facteur productif.
P = 1- ((uh-yi) 2 / (yi -usr) 2)
Où: euh - indicateur productive - valeur calculée;
yi - la valeur réelle;
usr- valeur réelle de la moyenne.
valeur estimée yi obtenu par la substitution du modèle de corrélation au lieu de x1, x2 etc.leurs valeurs réelles.
pour les modèles non linéaires univariée et multivariée calculée rapport de corrélation:
de la ≤ m ≤ 1;
0 ≤ m ≤ 1
pense que la relation entre la production et inclus dans le modèle d'indicateurs factoriels est faible, si la valeur du coefficient de la proximité de la connexion (m) dans la plage de 0 à 0,3;si 0,3-0,7 - l'étanchéité de la connexion - la moyenne;ci-dessus 0,7-1 - un lien fort.
Depuis le coefficient de corrélation (vapeur) p, le coefficient de corrélation (multiple) P corrélation rapport m - valeurs de probabilité, puis ils attendent les coefficients de leur importance (déterminé par la table).Si ces facteurs sont supérieures à la valeur de la table, la proximité des coefficients de connexion sont des facteurs importants.Si les facteurs d'importance proximité de la connexion est inférieure aux valeurs sous forme de tableaux ou si il couplage coefficient est inférieur à 0,7, le modèle ne comprend pas tous les facteurs de performance influencer de manière significative le résultat.
coefficient de détermination montre le facteur de pourcentage inclus dans les paramètres du modèle à déterminer la formation du résultat.
D = P2 * 100%
D = P2 * 100%
D = m2 * 100%
Si le coefficient de détermination est supérieur à 50, puis le modèle décrit adéquatement le processus à l'étude, si moins de 50, alors nous devons revenir à la première étape de la constructionet à réviser les indices de facteur de sélection pour inclusion dans le modèle.
rapport Fisher ou test de Fisher caractérise l'efficacité du modèle dans son ensemble.Si le rapport calculé est supérieur à la table, le modèle construit est adapté à l'analyse et la planification des calculs d'indicateurs pour l'avenir.Environ valeur table = 1,5.Si la valeur calculée est inférieure à la table, vous devez d'abord construire un modèle, y compris des facteurs importants influençant le résultat.En plus de l'efficacité de l'ensemble du modèle d'effet significatif sur chaque coefficient de régression.Si la valeur calculée de ce rapport dépasse le plus grand tableau, le coefficient de régression est significative, si elle est inférieure, l'indice de facteur, qui est conçu pour ce rapport, sont retirés de l'échantillon, les calculs commencent au début, mais sans que ce facteur.
