ТЕМА 1.8. СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ ВЗАИМОСВЯЗЕЙ

1.8.1. Статистическое изучение взаимосвязей, их классификация.

1.8.2. Задачи изучения взаимосвязей.

1.8.3. Понятие корреляционно-регрессионного анализа, условия его применения.

1.8.4. Показатели тесноты связи, линейный коэффициент кор­реляции.

1.8.5. Меры оценки тесноты связи для атрибутивных признаков.

1.8.1. Статистическое изучение взаимосвязей, их класси­фикация

Статистическое изучение взаимосвязей является одним из важ­нейших разделов статистики. Изучение взаимосвязей между раз­личными явлениями общественной жизни позволяет предсказы­вать развитие процессов, зависимых от других, и, в конечном счете, оказывать на них влияние. Таким образом, изучение связей позволяет от объяснения фактов перейти к изменению фактов.

Взаимосвязь — это совместное согласованное изменение двух или нескольких признаков.

Присутствие взаимосвязи между различными явлениями, процес­сами выражается во взаимосогласованном изменении статистиче­ских данных, описывающих эти процессы.

Например, стаж работы является одним из факторов роста производительности труда. Поэтому увеличение стажа, как правило, приводит к росту выработки. Статистические данные отражают со­гласованность в изменении обоих показателей.

Все многообразие взаимосвязей принято классифицировать по различным признакам: Форма проявления:

причинно-следственные связи — в том случае, когда из двух взаимодействующих признаков можно выделить причину и след­ствие, признак-фактор (х) и признак-результат (х).

Например, взаимосвязь между объемом производимой продукции и себестоимостью единицы продукции проявляется следующим образом: с увеличением объема производимой продукции себестоимость единицы продукции снижается. Здесь, объем продукции — признак-фактор, а себестоимость — признак результат.

Связи соответствия — в случае, когда нет возможности выде­лить причину и следствие, в частности оба согласованно меняю­щихся признака являются следствиями третьего признака. Механизм связи:

— функциональная;

— стохастическая (статистическая).

Под функциональной зависимостьюмежду явлениями понима­ется такая связь, которая может быть выражена для каждого слу­чая вполне определенно строгой математической формулой. При функциональной зависимости каждому значению одной ве­личины соответствует одно или несколько, но вполне определен­ных значений другой величины. Например, отношения между стороной и площадью квадрата (S = а² ), временем и путем при движении с постоянной скоростью (S = vt) и тому подобными ве­личинами, часто встречающимися в геометрии, механике. Для массовых социальных явлений характерны зависимости дру­гого рода, возникающие в результате взаимодействия многих причин и условий и осложненные действием объективной слу­чайности и ошибок наблюдения. Выразить подобные зависимо­сти с помощью однозначных, точных формул, пригодных для описания каждого отдельного случая невозможно.

При статистической связиразным значениям одной переменной соответствуют разные распределения значений другой перемен­ной.

Частным случаем статистической связи является корреляционная связь.

Корреляционная зависимость— взаимосвязь между признака­ми, состоящая в том, что средняя величина значений одного при­знака меняется в зависимости от изменения другого признака (например, зависимость между выработкой и стажем работы, ме­жду числом судимостей преступника и временем его нахождения на свободе между ними и др.). Здесь, в отличие от функциональ­ной зависимости, в индивидуальных случаях при определении значения одного признака могут быть разные значения другого, то есть совсем не обязательно, что обнаруженная связь будет подтверждаться в каждом конкретном случае.

Например, изменение профессорско-преподавательского состава в сторону увеличения числа

преподавателей, имеющих ученую степень, приводит в конечном итоге к повышению качества обра­зования. Но это не значит, что каждый отдельно взятый выпускник будет обладать большим набором знаний, чем выпускник учебного заведения, имеющего более «слабый» преподавательский состав.

Следовательно, в статистическом анализе корреляционные зави­симости проявляются не между каждой парой сопоставляемых данных, а между изменениями в рядах распределения множества соответствующих величин.

Кроме того, что корреляционная зависимость не имеет функцио­нального характера, следует учитывать две ее особенности:

— вывод может быть сделан только на основе анализа доста­точно больших статистических совокупностей, позволяющих по строить относительно длинные статистические ряды;
— желательно, чтобы число наблюдений было не менее чем в 5-6 раз больше числа факторов.

Корреляционный анализ имеет смысл лишь в тех случаях, когда возможность причинной связи между анализируемыми призна­ками теоретически обоснована хотя бы на уровне содержатель­ной гипотезы.

Если с изменением значения признака среднее значение другого признака не изменяется закономерным образом, но закономерно изменяется другая статистическая характеристика (например, по­казатели вариации), то связь не является корреляционной, но яв­ляется статистической.

В случае статистической связи предполагается, что оба признака имеют случайную вариацию индивидуальных значений относи­тельно средней величины, то есть каждый из признаков принима­ет несколько случайных значений. В том случае, если такую ва­риацию имеет один из признаков, а значения другого являются жестко детерминированными, то говорят о регрессии,но не о статистической связи. При анализе динамических рядов можно измерять регрессию уровней ряда (имеющих случайную колеб­лемость) на номера лет. Например, динамика производства про­дукции. Но, нельзя говорить о корреляции (взаимосвязи) между выпуском продукции и временем и оценивать между ними тесно­ту связи.

Направление связи:

— прямые;

— обратные.

В том случае, если при увеличении признака-фактора растет при­знак-результат, говорят о прямой корреляционной связи. Напри­мер, чем выше уровень алкоголизации общества, тем выше пре­ступность, причем преступность специфичная («пьяная»). Если при увеличении признака-причины уменьшается признак-результат, говорят об обратной корреляционной зависимости. На­пример, чем выше социальный контроль в обществе, тем ниже пре­ступность.

Форма связи:

— прямолинейные;

— криволинейные.

И прямые, и обратные связи могут быть прямолинейными и кри­волинейными. Математически прямолинейные связи могут быть описаны с помощью уравнения прямой:

y = а + вх,

где у — признак-результат; х — признак-фактор.

Криволинейные связи носят иной характер. Возрастание величи­ны факторного признака оказывается неравномерное влияние на величину результирующего признака.

Например, связь преступлений с возрастом нарушителей. Вначале криминальная активность лиц растет прямо пропорционально увеличению возраста (приблизительно до 30 лет), а затем начинает снижаться. Математически такие связи описываются с помощью кривых (гиперболы, параболы).

Прямолинейные корреляционные связи могут быть однофакторными, когда исследуется связь между одним признаком-фактором и одним признаком-следствием {парная корреляция). Они могут быть многофакторными, когда исследуется влияние многих взаимодействующих между собой признаков-факторов на признак-следствие (множественная корреляция).