Korelasyon modeli (CM) - bir program bilgisayar, üretken gösterge bir veya daha fazla göstergelere bağlı olarak miktarı hangi matematiksel denklemi üretimini sağlayan.
uh = ao + a1h1
: y - efektif oran x faktörü bağlı olarak;
x - faktör değişken;
A1 - çok verimli gösterge birimi başına faktör X bir değişiklikten nasıl değişeceğini gösteren KM seçeneği, y etkileyen tüm diğer faktörler değişmez kaydıyla;Nedensellik zinciri içinde üretken göstergesi daha yüksek bir seviyede olduğunu dikkate gerçeğini almalıdır göstergeler ve faktör modelleri etkin seçerken faktör x değişkeninin
dışında en üretken göstergesi tüm diğer faktörlerin etkisini gösterir
AO parametresi KM,performanstan daha faktörü.Korelasyon katsayısı hesaplanmış modelin korelasyon parametrelerini hesaplandıktan sonra
özellikleri korelasyon modeli
.
r - korelasyon katsayısı, -1 ≤ p ≤ 1, indeks puanı etkileyen faktör gücünü ve yönünü gösterir.0, zayıf linke yakın ilişki daha güçlü, 1'e yakın.Geribildirim - korelasyon katsayısı pozitif, daha sonra doğrudan bir bağlantı negatif ise ise.
korelasyon katsayısı formülü pxy = (x * x-1 / y) / * eu eh eh
hh2- = (x) 2;biçime sahip eu = y2 (y) 2
doğrusal multifaktöryel KM ise:
uh = ao + a1h1 a2x2 + ... + anx
sonra hesaplanır çoklu korelasyon katsayısı.
0 ≤ p ≤ 1 ve üretken bir faktör tüm parametrelerin kombine etkisinin gücünü gösterir.
P = 1- ((uh-il) 2 / (yi -usr) 2)
: uh - verimli göstergesi - hesaplanan değer;
yi - gerçek değer;
ortalama gerçek değerini usr-.
Tahmini değeri yi vb yerine x1 korelasyon modeli, x2 ikame edilmesiyle elde edilenOnların gerçek değerleri.Tek ve çok değişkenli doğrusal olmayan modellerin hesaplanan korelasyon oranı için
: ≤ 1
-1 ≤ m;
0 1
faktörlü göstergelerin modelinde verimli ve yer arasındaki ilişki zayıf olduğu düşünülmektedir ≤ m ≤ halinde aralığında 0-0,3 in bağlantı (m) katsayısı yakınlık değeri;Bağlantı sıkılığı - - 0.3-0.7 ise ortalama;güçlü bir bağ - 0.7-1 üzerindedir.
korelasyon katsayısı (buhar) p yana, korelasyon katsayısı (çoklu) P korelasyon oranı m - olasılık değerleri, o zaman onlar (tabloya göre belirlenir) önemleri katsayıları bekliyoruz.Bu faktörler tablo değerinden daha büyük ise, bağlantı katsayılarının yakınlığı önemli faktörlerdir.Bağlantının önemi yakınlık faktörleri tablo değerlerinden daha az ya da o katsayısı bağlanması durumunda daha az 0,7 olması durumunda, modeli, tüm performans faktörü önemli ölçüde sonuçlarını etkileyen içermez.
belirleme katsayısı model parametreleri dahil yüzde faktörü sonucu oluşumunu belirleyen gösteriyor.
D = P2 *% 100
D = P2 *% 100
D = m2 determinasyon katsayısı 50'den fazla ise
, ardından modeli yeterince çalışılan işlemini açıklar% 100, 50'den az ise, o zaman biz inşaatın ilk aşamasında geri dönmeli *ve modelde eklenmek üzere seçim faktörü endekslerini revize etmek.
oranı Fisher Fisher testi, bir bütün olarak bir model etkinliğini tanımlamaktadır.Hesaplanan oran masanın büyükse, yerleşik bir model geleceğe yönelik hesaplamaların göstergelerin analizi ve planlama için uygundur.Kabaca tablo değeri = 1,5.Hesaplanan değer tablosundan daha az ise, önce sonucu etkileyen önemli faktörlerden de dahil olmak üzere bir model, inşa etmeliyiz.Genel modelin verimliliği yanı sıra önemli ölçüde her regresyon katsayısını etkileyecek.Bu oranın hesaplanan değer en büyük tablo aşılırsa daha az, bu oran için tasarlanmış faktör endeksi, numune çıkarılır ise, regresyon katsayısı hesaplamaları bu faktörü olmadan ilk başlar, ancak, önemlidir.
