– технология голландская 1-го сорта.
Если сорта были разные, то тогда наряду с факторами-сортами вводим и факторы-технологии:
– технология гребневая 2- го сорта;
– технология голландская 2-го сорта.
В этом случае коэффициенты регрессии покажут эффект от применения и сортов, и технологий, также будет выяснено, какому сорту более подходит та или иная технология.
Наряду с альтернативными имеют место и нарастающие качественные признаки. Специфика их состоит в том, что они формируются под влиянием нескольких элементов, взаимосвязанных между собой. Взаимосвязь элементов обычно не является линейной, поэтому вывести закон или формулы оценки нарастающего качественного признака очень сложно, хотя в условиях рыночной системы хозяйствования роль качественных признаков в результатах хозяйствования постоянно возрастает. Примером нарастающего качественного признака может быть квалификация специалиста. Ее элементами являются образование, стаж работы, черта характера и др.
Применительно к каждому специалисту влияние этих параметров на его квалификацию бывает разным. Поэтому оценка квалификации в баллах как производная от образования и стажа работы специалиста не всегда точна. Отсюда, с одной стороны, необходимо учитывать влияние квалификации на результаты хозяйствования, с другой стороны, искать методы правильной оценки элементов, формирующих нарастающий качественный признак. Квалификацию работников в корреляционной модели часто выражают через число работников с высшим образованием, с определенными разрядами или стажем работ. Однако подобный подход не отличается достаточной точностью.
После того как результативные и факторные показатели определены, приступаем к сбору информации.
Этап. 2. Необходимо, чтобы число опытов или хозяйств, по данным которых строим корреляционную модель, было не меньше 20 
. Если модель многофакторная, то требуется выдержать соотношение между числом опытов 
и числом факторов 
; число опытов (хозяйств) должно быть в 2,5 раза больше числа факторов, включая и результативный 
. Например, если k=9, то 
Выборка должна быть репрезентативной, т. е. представительной. Информация должна нести в себе именно ту смысловую нагрузку, которая ей свойственна. Если экономическая информация репрезентативна, то она отвечает требованиям закона нормального распределения.
Сущность закона нормального распределения заключается в следующем. Если информация распределена нормально, то вероятность появления значения возрастает по мере приближения его величины к средней арифметической.
Закон описывается следующей формулой:
,
где 
– среднее квадратическое отклонение;
е – основание натурального логарифма;
– значение варианта фактора i;
– средняя арифметическая;
– вероятность появления варианта фактора х.
где 
– средняя арифметическая квадратов фактора х;
– квадрат средней арифметической фактора х.
На рис. 2.1 приведена кривая распределения вероятностей.
Р(х)
0 
х
Рис. 2.1. Кривая распределения вероятностей
Для определения соответствия информации требованиям закона нормального распределения используются более простые характеристики: асимметрия (А) и эксцесс (Э).
Асимметрия:
.
Эксцесс:
Эти характеристики (А и Э) имеют геометрическую интерпретацию (рис. 2.2). Для ее демонстрации построим систему координат. На оси абсцисс будут размещаться значения переменной х, на оси ординат – вероятность появления значения х. Линией, выполненной жирным шрифтом, показана кривая вероятностей (если информация отвечает требованиям закона нормального распределения). На соответствие требованиям закона нормального распределения проверяется каждый из столбцов корреляционной модели (начиная с результативного). Если информация столбца отвечает требованиям закона нормального распределения, то А и Э=0.
 |
Р(х)
Э>0
А, Э=0
0 х
Рис. 2.2. Схема координат
Если А > 0, то фигура вероятностей смещена вправо, если А < 0, – влево. В том случае, если Э > 0, то фигура вероятностей островерхая, если Э < 0 – пологая.
Следует отметить, что экономическая информация часто содержит ошибки. Поэтому характеристики информации А и Э обычно отличны от 0.
Однако расчеты свидетельствуют, что информация может считаться репрезентативной и отвечающей требованиям закона нормального распределения в том случае, если 
. При этом 
и 
зависят только от одного параметра – числа данных.
Смысл этого положения состоит в следующем: чем больше изучается данных, по которым строится корреляционная модель, тем в большей мере ошибки со знаком «–» покрывают ошибки со знаком «+» и информация выражает закономерности, которые ей свойственны. Однако бывает ситуация, когда А или Э (либо А и Э) выходят за допустимые пределы. Тогда информация не будет соответствовать закону нормального распределения, и если посчитать по ней коэффициенты регрессии, то их значения будут существенно отличаться от истинных.
Пример. Урожайность зерновых (фактор 
) имеет следующие значения:
____________
1. 29,0
2. 26,0
3. 20,0
……….....
10. 44,0
…
15. 18,0
…
20. 27,6
…
30.___31,4
Допустим, что по столбцу 
Проверяем информацию на репрезентативность:
2,1>3×0,65, т. е. 
4,2>5×0,8, т. е. 
Таким образом, информация столбца 
не отвечает требованиям закона нормального распределения, что возможно в случае, когда не все значения вектор-столбца отвечают закону трех сигм, т. е. 
. Это означает, что отклонение значения варианта-фактора от средней арифметической не должно превышать утроенное среднее квадратическое отклонение по модулю. Допустим, 
. В столбце есть выделяющиеся значения 10-го и 15-го хозяйств: 44,0 и 18,0. Проверяем, могут ли значения 10-го и 15-го хозяйств принадлежать вектор-столбцу хк:
Таким образом, информация 10-го и 15-го хозяйств формируется по законам, отличным от среднего по выборке. Очевидно, в одном случае для хозяйства характерна передовая технология, в другом – отсталая. Информацию данных хозяйств следует исключить из выборки.
После этого вновь определяем значения А, Э, и . Как правило, А и Э будут находиться в допустимых пределах, а информация будет отвечать требованиям закона нормального распределения. При этом исключенную ранее информацию следует изучить монографически, т. е. применительно к каждому хозяйству. Так, хозяйство № 10 располагает такой технологией и организацией, которые являются перспективными для других хозяйств. Если бы удалось в группе рядом расположенных районов найти хозяйства с такими же высокими значениями хк, то по ним можно было бы построить модель формирования урожайности (хк). Модель (прогрессивная) показала бы те ресурсы и их окупаемость, при которых получены наивысшие значения урожайности.
|
Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 |
Основные порталы (построено редакторами)