O coeficiente de correlação – modelo de correlação característica

modelo de correlação (CM) – um programa de cálculo que fornece recepção de uma equação matemática, em que o indicador produtiva quantificados dependente de um ou mais indicadores.

yx = ao + a1h1

onde: y – indicadores de desempenho, de acordo com o factor X;

x – fator de sinal;

a1 – Parâmetro KM, mostrando o quanto a mudança no indicador produtiva quando mudar fator x por um, se todos os outros fatores que afetam a y permanecem inalteradas;

AO CM parâmetro que mostra o efeito de todos os outros factores sobre o índice efectivo de y, que não seja variável x factor

Ao escolher indicadores eficazes e modelos de fatores deve levar em conta o fato de que os indicadores de desempenho da cadeia de causalidade fica em um nível mais elevado do que o fator de desempenho.

Características modelo de correlação

Depois de calcular o coeficiente de correlação de parâmetros de modelo de correlação calculado.

p – coeficiente de correlação simples, -1 ≤ r ≤ 1, que mostra o indicador de intensidade e direcção de pontuação factor de impacto. Quanto mais próximo de 1, a mais forte a relação, o mais perto de 0, a ligação é mais fraca. Se o coeficiente de correlação é positiva, então a ligação é linear, se negativo – invertida.

O coeficiente de correlação de fórmula: pxy = (x-x * 1 / Y) / * eu eh

eh = hh2- (x) 2; ue = y2 (y) 2

Se o linear CM multifactorial, que tem a forma:

yx = ao + a1h1 a2x2 + + … + anx

em seguida, calculou-se o coeficiente de correlação múltipla.

0 ≤ P ≤ 1, e mostra a intensidade do efeito de todos os indicadores de contagem fator tomadas em conjunto.

P = 1- ((Yi-yi) 2 / (yi -usr) 2)

Onde: uh – indicador produtiva – valor calculado;

yi – o valor real;

valor real usr-, média.

yi valor estimado obtido substituindo o modelo de correlação em vez de x1, x2 etc. seus valores reais.

Para modelos univariada e multivariada coeficiente de correlação não linear é calculado:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

Acredita-se que a relação entre eficaz e incluídas no modelo de indicadores factoriais fraca, se o aperto do coeficiente de acoplamento (m) na gama de 0-0,3; se 0,3-0,7 – proximidade do relacionamento – a média; 0,7-1 acima – uma ligação forte.

Uma vez que o coeficiente de correlação (vapor) r, o coeficiente de correlação (múltiplo) R, coeficiente de correlação m – valor de probabilidade, a qual é calculada para os coeficientes de seu significado (definido por tabelas). Se esses coeficientes são mais do que seu valor de tabela, a proximidade dos coeficientes de conexão são causas essenciais. Se os coeficientes de acoplamento essencialidade estanqueidade menores do que os valores da tabela ou se auto coeficiente de acoplamento seja inferior a 0,7, o modelo não incluir todos os parâmetros que afectam factoriais significativamente o resultado.

O coeficiente de determinação demonstra o factor percentagem incluída nos parâmetros do modelo de determinar a formação do resultado.

D = P2 * 100%

D = p2 * 100%

D = M 2 * 100%

Se o coeficiente de determinação é maior do que 50, então o modelo descreve adequadamente o processo em estudo, se menos do que 50, que é necessário para voltar para a primeira fase de construção, e para rever os indicadores do factor de selecção para inclusão no modelo.

Fisher Fisher fator ou critério caracteriza a eficiência do modelo como um todo. Se a escala calculada for maior do que a tabela, o modelo construído é adequado para análise, bem como indicadores de planejamento para a liquidação futura. Aproximadamente valor tabela = 1,5. Se o valor calculado é menor do que a tabela, você deve primeiro criar um modelo, incluindo factores significativos que influenciem o resultado. Além da eficiência do modelo geral para afetar significativamente a cada coeficiente de regressão. Se o valor calculado deste rácio excedeu na tabela magnitude, o coeficiente de regressão é significativa se menos, então o parâmetro fator, para o qual o coeficiente calculado são removidos dos cálculos da amostra começar de novo, mas sem este factor.