Взаимосвязи явлений Часть 1

между финансовыми явлениями и процессами.

Почти все наблюдаемые явления экономической

жизни общества следствие действия определенных факторов.

Например, получаемая предприятием прибыль связана с показателями: численностью работников, объемом основных производственных фондов и т.п.

— функциональная и статистическая (называемая также стохастической, или вероятностной).
Кроме

того, выделяют корреляционную связь, которая является частным случаем статистической связи.


Независимыми, или факторными, называют признаки, которые вызывают изменения других, связанных с ними, признаков.

Признаки, изменение которых под воздействием определенных факторов требуется проследить, называют зависимыми, или результативными.

определенных значений зависимой переменной. Например, если обозначить через Х независимую

переменную, а через Y – зависимую, связь Y=X3+5 будет функциональной, так как каждому значению Х соответствует точно определенное значение Y (при Х=0 значение Y=5, при Х=3 значение Y=14 и т.д.), причем это значение не обязательно должно быть единственным. Так, функциональная зависимость вида

позволит получить не одно, а два значения Y (например, при Х=1 значения Y = 4 и 6).
Наиболее часто функциональные связи проявляются при изучении физических явлений, например в механике функциональной является зависимость расстояния, пройденного объектом, от скорости его движения и т.п.

также наблюдаются довольно часто – это плата за кредит, начисляемая

на основе установленной процентной ставки;
показатель доходности ценной бумаги, находящийся в функциональной зависимости от курса ценной бумаги;
показатели рентабельности, фондоемкости и фондоотдачи, функционально зависящие от объема продукции и стоимости основных фондов и т.д.

значений зависимой переменной Y, причем неизвестно заранее, какое именно.
Например,

прибыль коммерческого банка связана с размером уставного капитала. Но нельзя вычислить точную величину прибыли при заданном значении уставного капитала, так как она зависит еще и от множества других факторов, среди которых имеются и случайные, действие которых приводит к статистической зависимости.
Таким образом, статистическая связь отличается от функциональной наличием действия на зависимую переменную большого числа факторов, как выявленных с целью описания зависимости в математической форме, так и случайных, действие которых трудно учесть при построении модели или же учитывать нецелесообразно ввиду их слабого влияния на зависимую переменную.

независимой переменной Х приводит к закономерному изменению математического ожидания случайной

величины Y.
Предположим, что независимая переменная Х приняла значение х1, тогда зависимая переменная Y примет множество значений

с условным математическим ожиданием

Если имеются закономерности в изменении условных математических ожиданий при изменении значений Х, рассматриваемая связь между Х и Y будет корреляционной.

можно проиллюстрировать графически с помощью поля корреляции.
При его построении

в прямоугольной системе координат на оси абцисс располагают значения независимой переменной х, а на оси ординат – зависимой у. Пересечение координат обозначают точками, которые символизируют наблюдения. По форме рассеяния точек на корреляционном поле судят о форме и тесноте связи.

Корреляционная связь, как и функциональная, может быть прямой (положительной) или обратной (отрицательной).

(Y) от следующих факторов:
затрат на рекламу (X1),
материальных затрат

(X2),
объема основных фондов (X3).

корреляции представляет собой меру линейной зависимости между двумя переменными на

фоне действия остальных переменных, входящих в модель.

где

– среднее арифметическое значение у;

– среднее арифметическое значение х;

– среднее арифметическое значение из произведений у и х;
σу – среднеквадратическое отклонение признака у;
σх – среднеквадратическое отклонение признака х.

Абсолютное значение, равное единице, свидетельствует о том, что связь функциональная:

-1 – обратная (отрицательная), +1 – прямая (положительная).

Нулевое значение коэффициента указывает на отсутствие линейной связи между признаками.

второй фактор.

или кривой, называемыми линиями регрессии, а описывающие их аналитические выражения

– уравнениями регрессии.

в уравнение, приближенно оценить значение зависимой переменной Y.

Точность такой

оценки будет тем выше, чем теснее группируются точки фактических наблюдений относительно линии регрессии, т.е. точность модели регрессии определяется тем, насколько тесной является взаимозависимость признаков Х и Y.

следующие функции:

линейная

степенная

показательная

параболическая

гиперболическая

логарифмическая

парная регрессия, выражающаяся уравнением прямой:

Коэффициент регрессии а1 показывает, на какую

величину в среднем изменится результативный признак Y, если переменную Х увеличить на единицу ее собственного измерения.
Свободный член уравнения а0 характеризует усредненное влияние неучтенных в модели факторов (определяет начальные условия развития).

этому уравнению значения
называются теоретическими (выравненными) значениями у.

а1 =1,893.

Таким образом, регрессионная модель имеет вид: