Корреляционный анализ данных - Статистическое исследование инвестиционной деятельности в регионе

Графическое представление корреляционной зависимости. Для графического представления корреляционной связи можно использовать прямоугольную систему координат с осями, которые соответствуют обеим переменным. Каждая пара значений маркируется при помощи определенного символа. Такой график называется диаграммой рассеяния. Она строится для переменных, которые как минимум относятся к интервальной шкале.

Существует 4 вида диаграмм:

    - Простая диаграмма - Матричная диаграмма - Наложенная диаграмма - 3-D диаграмма статистический инвестиция корреляция регрессия

Мы воспользуемся простой диаграммой рассеивания. Корреляционный анализ Инвестиции в основной капитал по источникам финансирования

диаграмма рассеивания между переменными

Рис.4. Диаграмма рассеивания между переменными "Всего" и "республиканский бюджет"

По полученной простой диаграмме рассеяния (рис.4) можно сделать вывод, что между переменными "Всего" и "республиканский бюджет" существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.

Коэффициент корреляции Пирсона. Так как переменные измерены в интервальной шкале, то для расчета корреляционной зависимости используем коэффициент корреляции Пирсона. Коэффициент корреляции Пирсона также носит название линейного корреляционного коэффициента и рассчитывается по следующей формуле:

Где и - значения двух переменных,

и - их средние значения,

и - стандартные отклонения,

N - количество пар значений (объем выборки).

Вычислим коэффициент корреляции Пирсона в пакете SPSS.

Таблица 7. Таблица корреляции переменных "Всего" и "республиканский бюджет"

Корреляции

Всего

Республиканский_бюджет

Всего

Корреляция Пирсона

1

,748**

Знч.(2-сторон)

,005

N

12

12

Республиканский_бюджет

Корреляция Пирсона

,748**

1

Знч.(2-сторон)

,005

N

12

12

**. Корреляция значима на уровне 0.01 (2-сторон.).

Полученные результаты содержат: корреляционный коэффициент Пирсона R, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,748), поэтому все коэффициенты являются сверхзначимыми (p<0,005).

Корреляционный анализ "всего" и "местный бюджет"

диаграмма рассеивания между переменными

Рис.5. Диаграмма рассеивания между переменными "всего" и "местный бюджет"

По полученной простой диаграмме рассеяния (рис.5) можно сделать вывод, что между переменными "всего" и "местный бюджет" существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.

Вычислим коэффициент корреляции Пирсона в пакете SPSS.

Таблица 8. Таблица корреляции переменных "всего" и "местный бюджет

Корреляции

Всего

Местный_бюджет

Всего

Корреляция Пирсона

1

,849**

Знч.(2-сторон)

,000

N

12

12

Местный_бюджет

Корреляция Пирсона

,849**

1

Знч.(2-сторон)

,000

N

12

12

**. Корреляция значима на уровне 0.01 (2-сторон.).

Полученные результаты содержат: корреляционный коэффициент Пирсона R, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,849), поэтому все коэффициенты являются сверхзначимыми (p<0,000).

диаграмма рассеивания между переменными

Рис.6. Диаграмма рассеивания между переменными "Всего" и "Собственных средств организаций"

По полученной простой диаграмме рассеяния (рис.6) можно сделать вывод, что между переменными "всего" и "Собственных средств организаций" существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.

Вычислим коэффициент корреляции Пирсона в пакете SPSS.

Таблица 9. Таблицы корреляции переменных всего и собственных средств организаций

Корреляции

Всего

Собственных_средств_организаций

Всего

Корреляция Пирсона

1

,998**

Знч.(2-сторон)

,000

N

12

12

Собственных_средств_организаций

Корреляция Пирсона

,998**

1

Знч.(2-сторон)

,000

N

12

12

**. Корреляция значима на уровне 0.01 (2-сторон.).

Полученные результаты содержат: корреляционный коэффициент Пирсона R, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,998), поэтому все коэффициенты являются сверхзначимыми (p<0,000).

Корреляционный анализ по переменным "всего" и "прочих источников"

диаграмма рассеивания между переменными

Рис.7. Диаграмма рассеивания между переменными "всего" и "прочих источников"

По полученной простой диаграмме рассеяния (рис.7) можно сделать вывод, что между переменными "всего" и "прочих источников" существует положительная корреляционная зависимость (чем больше значение одной переменной, тем больше значение второй). По приближенности друг к другу точек можно судить о степени этой связи. Количественно ее можно оценить с помощью коэффициента корреляции.

Вычислим коэффициент корреляции Пирсона в пакете SPSS.

Таблица 10. Таблица корреляции переменных "всего" и "прочих источников"

Корреляции

Всего

Прочих_источников

Всего

Корреляция Пирсона

1

,712**

Знч.(2-сторон)

,009

N

12

12

Прочих_источников

Корреляция Пирсона

,712**

1

Знч.(2-сторон)

,009

N

12

12

**. Корреляция значима на уровне 0.01 (2-сторон.).

Полученные результаты содержат: корреляционный коэффициент Пирсона R, количество использованных пар значений переменных (N=12) и вероятность ошибки р, соответствующая предположению о ненулевой корреляции. В приведенном примере существует сильная корреляция (r=0,712), поэтому все коэффициенты являются сверхзначимыми (p<0,009).

Похожие статьи




Корреляционный анализ данных - Статистическое исследование инвестиционной деятельности в регионе

Предыдущая | Следующая