Решение с помощью ППП Excel. Значения линейных коэффициентов парной корреляции определяют тесноту попарно связанных переменных, использованных в данном уравнении множественной регрессии

Значения линейных коэффициентов парной корреляции определяют тесноту попарно связанных переменных, использованных в данном уравнении множественной регрессии. Линейные коэффициенты частной корреляции оценивают тесноту связи значений двух переменных, исключая влияние всех других переменных, представленных в уравнении множественной регрессии.

К сожалению, в ППП Excel нет специального инструмента для расчета линейных коэффициентов частной корреляции. Матрицу парных коэффициентов корреляции переменных можно рассчитать, используя инструмент анализа данных Корреляция. Для этого:

1) в главном меню последовательно выберите пункты Сервис/ Анализ данных/ Корреляция. Щелкните по кнопке OK;

2) заполните диалоговое окно ввода данных и параметров вывода (см. рис. 1.1);

3) результаты вычислений – матрица коэффициентов парной корреляции – представлены на рис. 2.1

Рис. 2.1 Матрица коэффициентов парной корреляции

Значения коэффициентов парной корреляции указывают на весьма тесную связь выработки y как с коэффициентом обновления основных фондов - , так и с долей рабочих высокой квалификации - ( и ). Но в то же время межфакторная связь весьма тесная и превышает тесноту связи с y. В связи с этим, для улучшения данной модели можно исключить из нее фактор как малоинформативный, недостаточно статистически надежный.

Коэффициенты частной корреляции дают более точную характеристику тесноты связи двух признаков, чем коэффициенты парной корреляции, так как очищают парную зависимость от взаимодействия данной пары признаков с другими признаками, представленными в модели. Коэффициенты частной корреляции могут быть вычислены при проведении многофакторного анализа – Multiple Variable Analysis. Если сравнивать коэффициенты парной и частной корреляции, можно сказать, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи, именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи.