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