-
Regresijas un korelācijas analīze
| Nr. | Sadaļas nosaukums | Lpp. |
| Ievads | 3 | |
| 1. | Korelācijas un regresijas analīze | 4 |
| 2. | Korelācijas diagramma | 4 |
| 3. | Vienkārša lineāra regresija | 7 |
| 4. | Sakarību ciešuma novērtēšana | 8 |
| 4.1. | Korelācijas koeficients | 8 |
| 4.2. | Spirmena korelācijas koeficients | 9 |
| 4.3. | Negatīvai lineāra korelācija | 10 |
| 4.4. | Hipotēžu pārbaude korelācijas analīzē | 11 |
| 4.5. | Determinācijas koeficients | 12 |
| 4.6. | Neizskaidrotā dispersija | 13 |
| 4.7. | Standartkļūda | 13 |
| 4.8. | Vismazāko kvadrātu metode | 15 |
| Izmantotās literatūras saraksts | 17 |
1.Korelācijas un regresijas analīze
Par korelācijas un regresijas analīzi sauc metožu kopumu, ar kuras palīdzību pēta kvantitatīvas sakarības starp mainīgajiem lielumiem, ja tās ir korelatīvas. Korelācijas un regresijas analīzes galvenie uzdevumi ir:
• raksturot sakarību ciešumu,
• atrast vienkāršāko vienādojumu, kas vislabāk parāda sakarības starp korelatīvi saistītiem mainīgiem lielumiem. [5, 224]
Mainīgos lielumus iedala:
• rezultatīvā pazīme (Y) – skaitlisko vērtību variēšanu pēta atkarībā no citu pazīmju vērtībām,
• faktoriālā pazīme (X) – nosaka rezultatīvās pazīmes (Y) variēšanu.
Korelācijas analīze ļauj, balstoties uz izlases datiem, izstrādāt secinājumus par pētāmās pazīmes statistiskajām sakarībām. Piemēram, konkrētas preces cena veidojas no dažādām izmaksām, tāpēc tā vienmēr būs rezultāts, bet to veidojošās izmaksas – cēlonis.
Regresijas analīze ar regresijas modeļa palīdzību ļauj analizēt rezultatīvās pazīmes atkarību no faktoriālās pazīmes. Regresijas vienādojums vislabāk raksturo sakarību starp X vērtībām un Y vidējām vērtībām.
Atkarībā no pazīmju skaita, kuri piedalās regresijas modelī, iedalās:
• vienkāršā regresija (vienfaktora regresija), kur, piemēram, Y ir peļņa, bet X – realizācijas apjoms.
…
Teorija un piemēri par regresijas un korelācijas analīzi.
