Слайд 2Рассмотрим зависимость между ценой (х) и спросом (у). Данные наблюдений изобразим точками
на графике
Слайд 3На графике видно, что между величинами есть сильная линейная связь
Слайд 4Как линейную связь оценить количественно?
С помощью линейного коэффициента корреляции
Слайд 5Свойства линейного коэффициента корреляции:
Слайд 6Различные графики распределений пар (x,y) с коэффициентами корреляции
Слайд 7Коэффициент корреляции отражает линейную зависимость (верхняя строка)
Слайд 8но не описывает кривую зависимости (средняя строка)
Слайд 9и совсем не подходит для описания сложных, нелинейных зависимостей (нижняя строка)
Слайд 10Корреляция между переменными может оказаться ложной.
Например, из-за наличия у них трендов
Тренд –
длительная тенденция изменения экономических показателей
Слайд 11Для выявления ложной корреляции можно измерить корреляцию не самих показателей х и
у, а их первых разностей Δх и Δу.
Слайд 13Большое значение коэффициента корреляции говорит о сильной обратной линейной связи между рассматриваемыми
количественными показателями. Проверим, не является ли она ложной?
Слайд 14Проверим, является ли корреляция ложной?
Найдем корреляцию между первыми разностями
Слайд 15Корреляция между первыми разностями
Получили маленькое значение, следовательно, сильная линейная связь между показателями
х и у – является ложной.
Она является следствием наличия у них трендов
Слайд 17Рассчитаем коэффициент корреляции между переменными
Слайд 18Следовательно имеет место сильная прямая линейная связь между темпом роста валового внутреннего
продукта РФ (ВВП) и темпом роста капитальных вложений в основные фонды РФ (КВОФ).
Проверим, не является ли она ложной?
Слайд 19Проверим, не является ли она ложной?