Корреляционно-регрессионный анализ
Любой закон природы или общественное явление могут быть выражены в виде описания взаимосвязей, существующих между показателями этого закона или явления. При анализе характеристик инновационного проекта изучаются связи между его показателями, часть из которых является случайными величинами. Корреляционно-регрессионные модели базируются на том, что существует ряд факторов, влияющих на данную экономическую характеристику, например, величина инвестиций в инновационный проект влияет на величину чистой прибыли, которая будет получена от этого проекта.
Задача измерения связи между переменными решается на эмпирическом материале, представляющем собой выборку объема n из (k + 1)-мерной совокупности наблюдений или матрицы размером (k + 1)n (таблица 4).
Если количество независимых переменных больше двух, то исследуемая модель называется многофакторной. В таблице 4 представлена k-факторная модель.
Постановка задачи начинается с предварительного теоретического исследования инновационного проекта. Устанавливаются объект и задача исследования, формулируются теоретические гипотезы о наличии причинно-следственных связей. Затем приступают к сбору исходных данных, т.е. формируют выборку. Выборка должна быть репрезентативной — достаточной для того, чтобы по ее характеристикам судить о генеральной совокупности.
Как правило, исследуемые экономические процессы зависят от множества факторов. Включение в модель всех факторов приведет к ее неоправданному усложнению. Поэтому в модель включаются те факторы, которые охватывают наиболее существенные причинно-следственные связи. Обычно отсев слабо влияющих на исследуемый показатель факторов осуществляется в ходе построения многофакторной модели путем многошагового анализа. Вначале строится уравнение регрессии с максимально возможным количеством факторов. Затем с помощью определенных критериев, например t - критерия Стьюдента, исключаются факторы, оказывающие несущественное влияние на исследуемый параметр. На каждом шаге отсеивается по одному фактору. Отсеивание проводится до тех пор, пока в модели не останутся только значимые факторы.
Таблица 4