корреляционный анализ (в экономике)

корреляционный анализ (в экономике)
Ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от латинского слова correlatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи служит выпуск и потребление продукции, когда она дефицитна: во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими. Тогда имеют дело с множественной корреляцией. При изучении экономических явлений методами К.а. необходимо тщательно выявлять причинные зависимости, лежащие в основе корреляции наблюдаемых показателей. Отсутствие причинной связи между явлениями, хотя корреляционная связь между ними установлена, называется ложной корреляцией. Она часто встречается, например, при анализе временных рядов, когда параллельно снижаются или повышаются показатели, на самом деле совершенно не зависящие друг от друга. Рассматриваемые связи математически описываются корреляционными уравнениями (другое название — уравнение регрессии). Например, простейшим корреляционным уравнением связи между двумя переменными является уравнение прямой вида y=a+bx. При функциональной связи такая прямая точно соответствовала бы действительным значениям зависимой переменной. Если представить такую связь графически, то она проходила бы через все наблюдаемые точки y. При корреляции же соответствие, как указано, соблюдается лишь приблизительно, в общем, и точки наблюдений расположены не по прямой, а в виде «облачка», более или менее вытянутого в некотором направлении. Поэтому приходится специальными приемами находить ту линию, которая наилучшим образом отражает корреляционную зависимость, т.е. направление «облачка» (рис.К.1). Распространенный способ решения этой задачи — метод наименьших квадратов отклонений наблюдаемых значений y от значений, рассчитываемых по формуле корреляционного уравнения. Особенно широко применяется К.а. в теории производственных функций, в разработке разного рода нормативов на производстве, а также в анализе спроса и потребления. Рис. К.1 Корреляционные зависимости а — переменные x и y не коррелируют; б — слабая отрицательная корреляция; в — сильная положительная линейная корреляция
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• correlation analysis

регрессионный анализ
Метод оценки, использующий регрессионный способ по измеренным значениям, например, для сортировки по классам.
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

регрессионный анализ
Раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости (см. Регрессия) между величинами по данным статистических наблюдений. Итальянский статистик Р.Бенини, как считается, был первым, кто с практической пользой применил в экономике метод множественной регрессии. (1907) Он удачно оценил функцию спроса на кофе в Италии как функцию цен на кофе с одной стороны и на сахар — с другой. История знает, однако, немало ложных выводов, показывающих, что без глубокого анализа доверять обнаруженным регрессионным зависимостям бывает рискованно. Метод Р.а. состоит в выводе уравнения регрессии (включая оценку его параметров), с помощью которого находится средняя величина случайной переменной, если величина другой (или других в случае множественной или многофакторной регрессии) известна. (В отличие от этого корреляционный анализ применяется для нахождения и выражения тесноты связи между случайными величинами)[1]. Практически речь идет о том, чтобы, анализируя множество точек на графике (т.е. множество статистических данных), найти линию, по возможности точно отражающую заключенную в этом множестве закономерность, тенденцию — линию регрессии. Для этого требуется наилучшим образом оценить параметры уравнения. Существует ряд математико-статистических приемов, позволяющих решить эту задачу. В случаях, когда искомая закономерность может быть принята за линейную, наиболее эффективен метод наименьших квадратов. Р.а. применяется в различного рода экономических исследованиях (производственные функции, анализ эластичности спроса от цены и др.), особенно при анализе хозяйственной деятельности предприятий (для определения влияния отдельных факторов на результаты) и во многих других областях экономической науки и хозяйственной практики. Пример: средняя себестоимость поковок в кузнечных цехах московских заводов, по статистическим исследованиям, описывалась уравнением регрессии: Y = 72,8 + 0,605x1 + 0,082x2 + + 0,834x3, где x1 — заработная плата на 1 т поковок; x2 — удельная металлоемкость, x3 — удельные цеховые расходы. Это уравнение означает, что лишний расход одного рубля заработной платы приведет (в среднем в большой массе наблюдений) к повышению себестоимости тонны поковок на 0,605 руб. Соответственно рассчитывается и влияние двух остальных факторов. [1] Впрочем, распространена также более широкая трактовка Р.а., охватывающая и то, что здесь названо корреляционным анализом. И, наконец, ряд авторов считают Р.а. частью теории корреляции как общей теории взаимоотношений между случайными величинами.
[ http://slovar-lopatnikov.ru/]

Тематики

• виды (методы) и технология неразр. контроля
• экономика

EN

• regression analysis

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

Источник: Р 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

Источник: 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения

корреляционный анализ
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

Тематики

• информационные технологии в целом

EN

• correlation analysis

корреляционный анализ (в экономике)
Ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от латинского слова correlatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи служит выпуск и потребление продукции, когда она дефицитна: во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими. Тогда имеют дело с множественной корреляцией. При изучении экономических явлений методами К.а. необходимо тщательно выявлять причинные зависимости, лежащие в основе корреляции наблюдаемых показателей. Отсутствие причинной связи между явлениями, хотя корреляционная связь между ними установлена, называется ложной корреляцией. Она часто встречается, например, при анализе временных рядов, когда параллельно снижаются или повышаются показатели, на самом деле совершенно не зависящие друг от друга. Рассматриваемые связи математически описываются корреляционными уравнениями (другое название — уравнение регрессии). Например, простейшим корреляционным уравнением связи между двумя переменными является уравнение прямой вида y=a+bx. При функциональной связи такая прямая точно соответствовала бы действительным значениям зависимой переменной. Если представить такую связь графически, то она проходила бы через все наблюдаемые точки y. При корреляции же соответствие, как указано, соблюдается лишь приблизительно, в общем, и точки наблюдений расположены не по прямой, а в виде «облачка», более или менее вытянутого в некотором направлении. Поэтому приходится специальными приемами находить ту линию, которая наилучшим образом отражает корреляционную зависимость, т.е. направление «облачка» (рис.К.1). Распространенный способ решения этой задачи — метод наименьших квадратов отклонений наблюдаемых значений y от значений, рассчитываемых по формуле корреляционного уравнения. Особенно широко применяется К.а. в теории производственных функций, в разработке разного рода нормативов на производстве, а также в анализе спроса и потребления. Рис. К.1 Корреляционные зависимости а — переменные x и y не коррелируют; б — слабая отрицательная корреляция; в — сильная положительная линейная корреляция
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• correlation analysis

эконометрика
Научная дисциплина, предметом которой является изучение количественной стороны экономических явлений и процессов средствами математического и статистического анализа. (близкое, но не тождественное значение имеет термин «эконометрия», под которым обычно понимается наука,. которая тесно связана с математической экономией и отличается от последней в основном применением конкретного числового материала). В Э. как бы синтезируются достижения теоретического анализа экономики с достижениями математики и статистики (прежде всего математической статистики). Сам термин «Э.» происходит от двух слов: экономия и метрика, т.е. измерение. Он введен в науку норвежским ученым Р.Фришем, лауреатом Нобелевской премии по экономике. Широко известный международный журнал этого направления тоже называется «Econometrica» (основан в 1933 г. Р.Фришем). Есть много определений Э. По нашему мнению, Э. — одно из ответвлений комплекса научных дисциплин, объединяемого понятием — «экономико-математические методы». Ее главным инструментом является эконометрическая модель (как определенный тип экономико-математических моделей), задачей — проверка экономических теорий на фактическом (эмпирическом) материале при помощи методов математической статистики. Среди конечных прикладных задач Э. выделяют две: прогноз экономических и социально-экономических показателей анализируемой экономической системы, имитацию различных возможных сценариев развития этой системы. По уровню иерархии анализируемой экономической системы выделяют макроуровень (т.е. страны в целом), мезоуровень (регионы, отрасли, корпорации) и микроуровень (домашние хозяйства, фирмы). Э. применяет такие методы, как регрессионный анализ, анализ временных рядов, системы одновременных уравнений, статистические методы классификации и снижения размерности, а также другие методы и инструментарий теории вероятностей и математической статистики.1 1 Айвазян С.А. Основы эконометрики. М.: Юнити-«Дана». 2001. С.19-20 Эконометрические методы применяются для построения крупных эконометрических систем моделей, описывающих экономику той или иной страны и включающих в качестве составных элементов производственную функцию, инвестиционную функцию, а также уравнения, характеризующие движение занятости, доходов, цен и процентных ставок и другие блоки. Среди наиболее известных эконометрических систем подобного рода, по которым ведутся расчеты на ЭВМ, — так называемые Брукингская модель, Уортонская модель (США). Приемы и методы Э. применяются также в анализе спроса и потребления. Э. как наука возникла в начале- середине прошлого века, хотя истоки ее восходят к В.Петти (XVII век) с его «политической арифметикой», О.Курно и Э.Энгелю (ХIХ в.) и др. В ХIХ в. были разработаны и началось использование в Э. таких статистических методов, как множественная регрессия, статистическая проверка гипотез, теория ошибок, выборочные методы ( Р.Фишер, К. Пирсон, Э.Пирсон и др.). В первой половине ХХ в. появился интерес к моделированию структур спроса и потребительских расходов и их эмпирической оценке (Р.Аллен, А.Маршалл и др.). В этот же период формулируется задача идентификации (Е.Уоркинг), начинается изучение производственной функции (Ч.Кобб, П.Дуглас), статистическое моделирование делового цикла (Н.Кондратьев, Е.Слуцкий, Р.Фриш). Макроэконометрические исследования начали Я.Тинберген и Р.Фриш, ставшие первыми в истории лауреатами Нобелевской премии по экономике (1968 г.). После второй мировой войны важным центром развития Э. стала Комиссия Коулса (США). Новый инструментарий Э. получила в результате разработки моделей одновременных уравнений (Т.Хаавельмо, Т.Купманс, Г.Тейл и др.) В последние десятилетия методы Э. сыграли решающую роль в освоении и развитии использования компьютерной техники в экономических расчетах разного уровня и назначения. Определенный вклад в развитие Э. внесли и отечественные экономисты (Е.Е.Слуцкий, Л.В.Канторович и др.), несмотря на длительное официальное третирование эконометрии как «буржуазной», «антимарксистской» и «вредной» «лженауки». Большая роль в ее реабилитации принадлежала академику В.С.Немчинову — написанная им статья «Эконометрия» (1965 г.) явилась своего рода открытием для широкой экономической общественности страны.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• econometrics

экономико-математические методы
эконометрика
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]

экономико-математические методы
ЭММ
Обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчиновым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. — авт.) не имеют собственного предмета исследования, отличного от пред¬мета исследования специфических экономических дисциплин»[1]. Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами — экономику (или шире: социально-экономическую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере. Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы[2]. 0. Принципы экономико-математических методов: теория экономико-математического моделирования, включая экономико-статистическое моделирование; теория оптимизации экономических процессов. 1.Математическая статистика (ее экономические приложения): выборочный метод; дисперсионный анализ; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; факторный анализ; теория индексов и др. 2. Математическая экономия и эконометрия: теория экономического роста (модели макроэкномической динамики); теория производственных функций; межотраслевые балансы (статические и динамические); национальные счета, интегрированные материально-финансовые балансы; анализ спроса и потребления; региональный и пространственный анализ; глобальное моделирование и др. 3. Методы принятия оптимальных решений, включая исследование операций: оптимальное (математическое) программирование; линейное программирование; нелинейное программирование; динамическое программирование; дискретное (целочисленное) программирование; блочное программирование; дробно-линейное программирование; параметрическое программирование; сепарабельное программирование; стохастическое программирование; геометрическое программирование; методы ветвей и границ; сетевые методы планирования и управления; программно-целевые методы планирования и управления; теория и методы управления запасами; теория массового обслуживания; теория игр; теория решений; теория расписаний. 4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики: теория оптимального функционирования социалистической экономики (СОФЭ); оптимальное планирование: народнохозяйственное; перспективное и текущее; отраслевое и региональное; теория оптимального ценообразования; 5. ЭММ, специфичные для конкурентной экономики: модели рынка и свободной конкуренции; модели делового цикла; модели монополии, дуополии, олигополии; модели индикативного планирования; модели международных экономических отношений; модели теории фирмы. 6. Экономическая кибернетика: системный анализ экономики; теория экономической информации, включая экономическую семиотику; теория управляющих систем, включая теорию автоматизированных систем управления. 7. Методы экспериментального изучения экономических явлений (экспериментальная экономика): математические методы планирования и анализа экономических экспериментов; методы машинной имитации и стендового экспериментирования; «деловые игры». В ЭММ применяются различные разделы математики, математической статистики и математической логики; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины. [1] Шаталин С.С. Функционирование экономики развитого социализма. — М.: Изд-во МГУ, 1982. [2] Приведенная схема была разработана автором в 1976-78 гг., для Комитета по социальным наукам Международной федерации документации и использована им при составлении библиографической классификации (УДК) по разделу «Математические методы в экономике».
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электротехника, основные понятия

Синонимы

• эконометрика

EN

• econometrics
• economico-mathematical methods

математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mathematical statistics

математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mathematical statistics

экономико-математические методы
эконометрика
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]

экономико-математические методы
ЭММ
Обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчиновым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. — авт.) не имеют собственного предмета исследования, отличного от пред¬мета исследования специфических экономических дисциплин»[1]. Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами — экономику (или шире: социально-экономическую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере. Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы[2]. 0. Принципы экономико-математических методов: теория экономико-математического моделирования, включая экономико-статистическое моделирование; теория оптимизации экономических процессов. 1.Математическая статистика (ее экономические приложения): выборочный метод; дисперсионный анализ; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; факторный анализ; теория индексов и др. 2. Математическая экономия и эконометрия: теория экономического роста (модели макроэкномической динамики); теория производственных функций; межотраслевые балансы (статические и динамические); национальные счета, интегрированные материально-финансовые балансы; анализ спроса и потребления; региональный и пространственный анализ; глобальное моделирование и др. 3. Методы принятия оптимальных решений, включая исследование операций: оптимальное (математическое) программирование; линейное программирование; нелинейное программирование; динамическое программирование; дискретное (целочисленное) программирование; блочное программирование; дробно-линейное программирование; параметрическое программирование; сепарабельное программирование; стохастическое программирование; геометрическое программирование; методы ветвей и границ; сетевые методы планирования и управления; программно-целевые методы планирования и управления; теория и методы управления запасами; теория массового обслуживания; теория игр; теория решений; теория расписаний. 4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики: теория оптимального функционирования социалистической экономики (СОФЭ); оптимальное планирование: народнохозяйственное; перспективное и текущее; отраслевое и региональное; теория оптимального ценообразования; 5. ЭММ, специфичные для конкурентной экономики: модели рынка и свободной конкуренции; модели делового цикла; модели монополии, дуополии, олигополии; модели индикативного планирования; модели международных экономических отношений; модели теории фирмы. 6. Экономическая кибернетика: системный анализ экономики; теория экономической информации, включая экономическую семиотику; теория управляющих систем, включая теорию автоматизированных систем управления. 7. Методы экспериментального изучения экономических явлений (экспериментальная экономика): математические методы планирования и анализа экономических экспериментов; методы машинной имитации и стендового экспериментирования; «деловые игры». В ЭММ применяются различные разделы математики, математической статистики и математической логики; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины. [1] Шаталин С.С. Функционирование экономики развитого социализма. — М.: Изд-во МГУ, 1982. [2] Приведенная схема была разработана автором в 1976-78 гг., для Комитета по социальным наукам Международной федерации документации и использована им при составлении библиографической классификации (УДК) по разделу «Математические методы в экономике».
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электротехника, основные понятия

Синонимы

• эконометрика

EN

• econometrics
• economico-mathematical methods

экономико-математические методы
эконометрика
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]

экономико-математические методы
ЭММ
Обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчиновым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. — авт.) не имеют собственного предмета исследования, отличного от пред¬мета исследования специфических экономических дисциплин»[1]. Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами — экономику (или шире: социально-экономическую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере. Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы[2]. 0. Принципы экономико-математических методов: теория экономико-математического моделирования, включая экономико-статистическое моделирование; теория оптимизации экономических процессов. 1.Математическая статистика (ее экономические приложения): выборочный метод; дисперсионный анализ; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; факторный анализ; теория индексов и др. 2. Математическая экономия и эконометрия: теория экономического роста (модели макроэкномической динамики); теория производственных функций; межотраслевые балансы (статические и динамические); национальные счета, интегрированные материально-финансовые балансы; анализ спроса и потребления; региональный и пространственный анализ; глобальное моделирование и др. 3. Методы принятия оптимальных решений, включая исследование операций: оптимальное (математическое) программирование; линейное программирование; нелинейное программирование; динамическое программирование; дискретное (целочисленное) программирование; блочное программирование; дробно-линейное программирование; параметрическое программирование; сепарабельное программирование; стохастическое программирование; геометрическое программирование; методы ветвей и границ; сетевые методы планирования и управления; программно-целевые методы планирования и управления; теория и методы управления запасами; теория массового обслуживания; теория игр; теория решений; теория расписаний. 4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики: теория оптимального функционирования социалистической экономики (СОФЭ); оптимальное планирование: народнохозяйственное; перспективное и текущее; отраслевое и региональное; теория оптимального ценообразования; 5. ЭММ, специфичные для конкурентной экономики: модели рынка и свободной конкуренции; модели делового цикла; модели монополии, дуополии, олигополии; модели индикативного планирования; модели международных экономических отношений; модели теории фирмы. 6. Экономическая кибернетика: системный анализ экономики; теория экономической информации, включая экономическую семиотику; теория управляющих систем, включая теорию автоматизированных систем управления. 7. Методы экспериментального изучения экономических явлений (экспериментальная экономика): математические методы планирования и анализа экономических экспериментов; методы машинной имитации и стендового экспериментирования; «деловые игры». В ЭММ применяются различные разделы математики, математической статистики и математической логики; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины. [1] Шаталин С.С. Функционирование экономики развитого социализма. — М.: Изд-во МГУ, 1982. [2] Приведенная схема была разработана автором в 1976-78 гг., для Комитета по социальным наукам Международной федерации документации и использована им при составлении библиографической классификации (УДК) по разделу «Математические методы в экономике».
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электротехника, основные понятия

Синонимы

• эконометрика

EN

• econometrics
• economico-mathematical methods

регрессивный анализ
Средство статистического анализа, позволяющее выявить взаимосвязь зависимых и независимых переменных. См. Метод наименьших квадратов (Least-Squares Method).
[ http://www.lexikon.ru/dict/uprav/index.html]

Тематики

• бухгалтерский учет

EN

• regression analysis

регрессионный анализ
Метод оценки, использующий регрессионный способ по измеренным значениям, например, для сортировки по классам.
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

регрессионный анализ
Раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости (см. Регрессия) между величинами по данным статистических наблюдений. Итальянский статистик Р.Бенини, как считается, был первым, кто с практической пользой применил в экономике метод множественной регрессии. (1907) Он удачно оценил функцию спроса на кофе в Италии как функцию цен на кофе с одной стороны и на сахар — с другой. История знает, однако, немало ложных выводов, показывающих, что без глубокого анализа доверять обнаруженным регрессионным зависимостям бывает рискованно. Метод Р.а. состоит в выводе уравнения регрессии (включая оценку его параметров), с помощью которого находится средняя величина случайной переменной, если величина другой (или других в случае множественной или многофакторной регрессии) известна. (В отличие от этого корреляционный анализ применяется для нахождения и выражения тесноты связи между случайными величинами)[1]. Практически речь идет о том, чтобы, анализируя множество точек на графике (т.е. множество статистических данных), найти линию, по возможности точно отражающую заключенную в этом множестве закономерность, тенденцию — линию регрессии. Для этого требуется наилучшим образом оценить параметры уравнения. Существует ряд математико-статистических приемов, позволяющих решить эту задачу. В случаях, когда искомая закономерность может быть принята за линейную, наиболее эффективен метод наименьших квадратов. Р.а. применяется в различного рода экономических исследованиях (производственные функции, анализ эластичности спроса от цены и др.), особенно при анализе хозяйственной деятельности предприятий (для определения влияния отдельных факторов на результаты) и во многих других областях экономической науки и хозяйственной практики. Пример: средняя себестоимость поковок в кузнечных цехах московских заводов, по статистическим исследованиям, описывалась уравнением регрессии: Y = 72,8 + 0,605x1 + 0,082x2 + + 0,834x3, где x1 — заработная плата на 1 т поковок; x2 — удельная металлоемкость, x3 — удельные цеховые расходы. Это уравнение означает, что лишний расход одного рубля заработной платы приведет (в среднем в большой массе наблюдений) к повышению себестоимости тонны поковок на 0,605 руб. Соответственно рассчитывается и влияние двух остальных факторов. [1] Впрочем, распространена также более широкая трактовка Р.а., охватывающая и то, что здесь названо корреляционным анализом. И, наконец, ряд авторов считают Р.а. частью теории корреляции как общей теории взаимоотношений между случайными величинами.
[ http://slovar-lopatnikov.ru/]

Тематики

• виды (методы) и технология неразр. контроля
• экономика

EN

• regression analysis

экономико-статистические исследования
Исследования экономической деятельности с помощью методов математической статистики. Обычно этот термин относят к изучению конкретных производств и отраслей. Если же отнести его к экономике в целом, то термин «Э.-с.и.» практически соответствует термину эконометрия. Они объединяют достижения конкретной экономики, технических наук, математической статистики и вычислительной техники. Исходя из экономики и технологии данного производства проводится качественный анализ изучаемых процессов. На этой основе методами математической статистики и экономико-математического моделирования с помощью ЭВМ производятся расчеты, делаются выводы и принимаются решения. Здесь качественный (экономический) и количественный (статистический) анализы выступают в единстве. Центральное понятие рассматриваемой дисциплины — экономико-статистическая модель. В Э.с.и. широко применяются корреляционный анализ, регрессионный анализ, методы распознавания образов, экспертные оценки и др. Наибольшее развитие эти методы получили во внутризаводском планировании, техническом нормировании, в решении задач сравнительного технико-экономического анализа деятельности предприятий.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• economic and statistical studies

экономико-статистические исследования
Исследования экономической деятельности с помощью методов математической статистики. Обычно этот термин относят к изучению конкретных производств и отраслей. Если же отнести его к экономике в целом, то термин «Э.-с.и.» практически соответствует термину эконометрия. Они объединяют достижения конкретной экономики, технических наук, математической статистики и вычислительной техники. Исходя из экономики и технологии данного производства проводится качественный анализ изучаемых процессов. На этой основе методами математической статистики и экономико-математического моделирования с помощью ЭВМ производятся расчеты, делаются выводы и принимаются решения. Здесь качественный (экономический) и количественный (статистический) анализы выступают в единстве. Центральное понятие рассматриваемой дисциплины — экономико-статистическая модель. В Э.с.и. широко применяются корреляционный анализ, регрессионный анализ, методы распознавания образов, экспертные оценки и др. Наибольшее развитие эти методы получили во внутризаводском планировании, техническом нормировании, в решении задач сравнительного технико-экономического анализа деятельности предприятий.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• economic and statistical studies