Korrelyatsiya koeffitsientining quyidagi qiymatlarda
| | | | | | |
To'g'ri bog`laniush (+)
|
Teskari bog`lanish
(-)
|
Omillar o`rtasida bog`lanish
mavjud emas
|
r=0
|
r=0
|
Kuchsiz bog`lanish
|
0 < r ≤ 0,3
|
-0,3 ≤ r < 0
|
O'rtacha bo`lanish
|
0,3 < r ≤ 0,7
|
-0,7 ≤ r < -0,3
|
Zich bog`lanish
|
0,7 < r < 1
|
-1 < r < -0,7
| Juftlikning korrelyatsiyasi koeffitsienti
X va Y o`zgaruvchilari uchun korrelatsiya koeffitsienti quyidagi formula orqali aniqlanadi:
Korrelyasiya koeffitsienti (r) –1 dan +1 oralig‘ida bo‘ladi.
Ya`ni -1≤r≤1
Agar r=0 bo‘lsa omillar o‘rtasida bog‘lanish mavjud emas
r=±1 bo‘lsa funksional bog‘lanish mavjud bo`ladi.
Juft korrelyatsiya koeffitsienti
Korrelyatsiya koeffitsientini aniqlashning yana bir yo`li grafiklar orqali ifodalashdir:
Misol
№
|
х
|
у
|
2011
|
8
|
1
|
2012
|
9
|
3
|
2013
|
11
|
5
|
2014
|
12
|
7
|
2015
|
14
|
9
|
korrelyatsiya koeffitsienti rxy?
Misol
№
|
х
|
у
|
x2
|
y2
|
x·y
|
1
|
8
|
1
|
64
|
1
|
8
|
2
|
9
|
3
|
81
|
9
|
27
|
3
|
11
|
5
|
121
|
25
|
55
|
4
|
12
|
7
|
144
|
49
|
84
|
5
|
14
|
9
|
196
|
81
|
126
|
∑
|
54
|
25
|
606
|
165
|
300
|
O`rtacha qiymat
|
10.8
|
5
|
121.2
|
33
|
60
| Misol
№
|
х
|
у
|
x2
|
y2
|
x·y
|
1
|
8
|
1
|
64
|
1
|
8
|
2
|
9
|
3
|
81
|
9
|
27
|
3
|
11
|
5
|
121
|
25
|
55
|
4
|
12
|
7
|
144
|
49
|
84
|
5
|
14
|
9
|
196
|
81
|
126
|
∑
|
54
|
25
|
606
|
165
|
300
|
O`rtacha qiymat
|
10.8
|
5
|
121.2
|
33
|
60
| Regression tahlil nima?
Regression tahlil - natijaviy belgiga ta’sir etuvchi omillarning samaradorligini aniqlab beradi.
Regressiya - bu har qanday belgining o'rtacha qiymatining boshqa (bir yoki bir nechta) belgilarning o'rtacha qiymatiga bog'liq.
Regression tahlil yordamida ijtimoiy-iqtisodiy jarayonlarning kelgusi davrlar uchun bashorat qiymatlarini baholash va ularning ehtimol chegaralarini aniqlash mumkin.
Regressiya ta'rifi Regressiya - bog`liq bo`lmagan (ekzogen) o'zgaruvchilar va prognoz qilish maqsadida zarur bo`lgan bog'liq o'zgaruvchi (endogen)ning shartli matematik kutilish (o'rtacha) o'rtasidagi funksional munosabatlar. Regression tahlilning maqsadi
Asosiy maqsad - mustaqil o'zgaruvchilar X va bo`liq bo`lgan o'zgaruvchi Yning shartli matematik kutilish (o'rtacha) o'rtasidagi funktsional munosabatlarni baholash.
Термин «регрессия» был введен Фрэнсисом Гальтоном в конце 19 века.
Regressiya turlari
Regressiya modellari
Omillar soni bo'yicha:
- juft (oddiy)
- ko`p omilli
Funksiya shakliga ko'ra:
- chiziqli
- chiziqsiz
Bo`lanish shakliga ko'ra:
- to'g'ri
- teskari
Juft regressiya bu bitta bo`liq bo`lgan Y o`zgaruvchi va bitta bo`liq bo`lmagan o'zgaruvchi X:
Ko'p omilli regressiya bitta bo`liq bo`lgan Y o`zgaruvchi va
bir nechta bo`liq bo`lmagan mustaqil o'zgaruvchilar X1, X2, ...,:
Model spetsifikatsiyasi - o'zgaruvchilar o'rtasidagi bog'liqlikning tegishli nazariyaga asoslangan model turini shakllantirish. Tadqiqot hodisalar orasidagi aloqani o'rnatadigan nazariyadan boshlanadi. (I. I. Eliseeva)
O'zgaruvchilarning tarkibi va ular orasidagi bog'liqlikni aks ettirish uchun matematik funktsiya aniqlanadi.
Empirik chiziqli juft regressiya modeli
a - erkin koeffitsient
b - regressiya koeffitsienti
εi - tasodifiy og'ish (xatolik)
Nazariy chiziqli juft regressiya tenglamasi
Yx – bog`liq bo`lgan o'zgaruvchining nazariy (o'rtacha) qiymati
Ŷ, - regressiya tenglamasidan topilgan
b - empirik regressiya koeffitsienti
a - empirik erkin koeffitsient
Muayyan holatda, chiziqli juftlashgan regressiya modeli:
ei - xatolik ε
Regressiyadagi xato turlari
Texnik xususiyatdagi xatolar
Matematik funktsiyani noto'g'ri tanlash
Muhim omilni kam baholash
Tanlashda xatolar
Bir jinsli bo'lmagan statistika ma`lumotlar
Axborot (ma`lumot)ni noto'g'ri vaqt oralig'ida tanlash
O'lchovdagi xatolar
Qasddan hisobot berishdagi xatolar
Axborotni yashirishi tufayli yuzaga keladigan xatolar
Korrelyatsiya maydonining vizual tahliliga asoslangan
Grafik usul
O'zaro bog`liqliklarning miqdoriy jihatdan o'rganishga asoslangan
Analitik usul
Turli modellar uchun hisoblangan dispersiya qoldiqlarini taqqoslashga asoslangan
Eksperimental usul
X
Y
X
Y
0
0
Y
X
X
Y
0
0
Y
X
X
Y
0
0
Grafikdagi kuzatish nuqtalari va muayyan chiziq orasidagi vertikal masofalar kvadratlarining yig'indisi minimal bo'ladigan ko`plab chiziqlar orasidan faqat bittasi tanlanadi.
Parametrlarni aniqlashda klassik yondashuv ya`ni eng kichik kvadratlar usuliga asoslangan
Chiziqli regressiya tenglamasini tuzish bu uning parametrlari - a va b ni aniqlashdir
Y
X
0
Yxi
Yi
εi
Eng kichik kvadratlar usulining mohiyati (EKK) – bog`liq bo`lgan “Y” o'zgaruvchisining haqiqiy qiymatlari nazariy Ŷ qiymatlari orasidagi farqning kvadratlarining yig'indisi minimal bo'ladi:
Dostları ilə paylaş: |