Автор работы: Пользователь скрыл имя, 10 Сентября 2013 в 14:41, курсовая работа
В статистике показатели, характеризующие эти явления, могут быть связаны либо корреляционной зависимостью, либо быть независимыми Корреляционная зависимость является частным случаем стохастической зависимости, при которой изменение значений факторных признаков (х 1 х2 ..., хn ) влечет за собой изменение среднего значения результативного признака у.
Корреляционная зависимость исследуется с помощью методов корреляционного и регрессионного анализов.
Корреляционный анализ изучает взаимосвязи показателей и позволяет решить следующие задачи:
1. Оценка тесноты связи между показателями с помощью парных, частных и множественных коэффициентов корреляции;
2. Оценка уравнения регрессии.
Из общей вариации урожайности зерновых культур в 86% приходится за счет: влияния внесения минеральных удобрений 21%; внесения органических удобрений 22,9%; качества пашни 41%, энерговооруженности труда -1,5%. В данном случае коэффициенты раздельной детерминации рассчитаны с учетом сопутствующего влияния других факторов, включенных в уравнение регрессии.
Оценка значимости (существенности) признаков-факторов, включенных в уравнение регрессии, дается по t-критерию Стьюдента. Протокол нахождения критериев на ПЭВМ в программе STATISTICA6 приведены также на рисунке 4.
Табличное значение t-критерия при числе степеней свободы V=17 и уровнем значимости α = 0,05 составляет 2,11. По факторам внесения минеральных удобрений и по качеству пашни , что является подтверждением гипотезы их неслучайности. А по фактору энерговооруженности труда и внесению органических удобрений имеем , что подтверждает несущественность влияния этого фактора на вариацию уровней урожайности зерновых культур по изучаемой совокупности сельскохозяйственных организаций.
Для общей оценки надежности уравнения регрессии в программном меню используется F-критерий Фишера. Эмпирическое значение этого критерия в нашем примере оказалось равным 36,394, а табличное значение при уровне значимости α=0,05 и степенях свободы V1 = 4 и V2= 17 составляет 2,96. Поскольку Fэмп. > Fтабл., то это дает основание утверждать с вероятностью 95%, что связь уровня урожайности зерновых культур с четырьмя факторами регрессионной модели достаточно надежная.