Коэффициент частной корреляции.
Анализ критериев значимости для коэффициента корреляции будет дан позже, вместе с критериями значимости коэффициентов регрессии. Будет выяснено, что коэффициент корреляции в примере со спросом на бензин незначимо отличается от нуля, что кажется неправдоподобно с точки зрения здравого смысла.
Одна из причин получения такого результата заключается в очень небольшом размере выборки. Возможно, что при большем размере выборки мы могли бы показать, что коэффициент корреляции значимо отличается от нуля. Здесь, однако, есть и еще одна причина для получения отрицательного результата: мы не учитывали влияние увеличения дохода на потребительский спрос в целом и на спрос на бензин в частности. Положительный эффект увеличения дохода в основном компенсировал отрицательный эффект роста цен, и, таким образом, спрос на бензин оставался стабильным. Следующий этап исследования состоит в выделении влияния этих двух факторов. Мы можем сделать это, используя так называемый коэффициент частной корреляции, который определяется следующим образом
22.
где rху.я - коэффициент частной корреляции между х и у в случае постоянства воздействия величины z , а rху, rxz и ryz - обычные коэффициенты корреляции между х и у, между х и z, между у и z соответственно.
В примере со спросом на бензин мы можем вычислить корреляцию между ценой и располагаемым личным доходом и между спросом и доходом, используя для этого данные табл.1. ( Можно предложить студентам провести эти расчеты на практическом занятии). Результаты приблизительно составят 0,84 и 0,02. Подставляя эти значения в уравнение (22), мы оценим частный коэффициент корреляции для реальной цены и спроса на бензин как -0,91, что является намного более приемлемым результатом.
Частная корреляция.
Ранжирование факторов, участвующих в множественной линейной регрессии, может быть проведено с помощью стандартизованных коэффициентов регрессии, коэффициентов раздельной детерминации, а также с помощью частных коэффициентов корреляции для линейных связей, с помощью частных индексов детерминации для нелинейных связей.
Частные коэффициенты (или индексы) корреляции, в отличие от полных, характеризуют тесноту связи между результатом и соответствующим фактором при устранении влияния других факторов, включенных в уравнение регрессии.
Показатели частной корреляции представляют собой отношение сокращения остаточной дисперсии за счет дополнительного включения в анализ нового фактора к остаточной дисперсии, имевшей место до введения его в модель.
Пусть
-
остаточная дисперсия до введения фактора
х2
в модель, а
– остаточная дисперсия после его
введения. Тогда сокращение остаточной
дисперсии за счет дополнительного
введения фактора составит
-
.
Чем больше доля этого сокращения в остаточной вариации до введения этого фактора, тем сильнее его воздействие на результат при постоянном действии ранее включенного фактора. Следовательно, чистое влияние фактора х2 на результат можно определить по формуле
(5.2.13)
А чистое влияние на результат фактора х1
(5.2.14)
Если выразить остаточную дисперсию через показатель детерминации
s ост2 = σу 2 (1 – r2), то формула коэффициента частной корреляции примет вид
(5.2.15)
Частные коэффициенты
корреляции подтверждают ранг факторов
по их воздействию на результат, проведенную
на основе стандартизованных коэффициентов.
Если из стандартизованного уравнения
мы получаем, что
,
то тот же порядок факторов определяется
и по соотношению частных коэффициентов
корреляции.
В эконометрике частные коэффициенты корреляции в основном используют на стадии формирования модели в процедуре отсева факторов.
Так, строя многофакторную модель методом исключения переменных
1) определяется уравнение регрессии с полным набором факторов;
2) рассчитывается матрица частных коэффициентов корреляции;
3) отбирается фактор с наименьшей и несущественной по критерию Т-Стьюдента величиной показателя частной корреляции, он исключается из модели;
4) строится новое уравнение регрессии и процедура повторяется до тех пор, пока не окажется, что все оставшиеся факторы существенно отличаются от нуля. Если исключен несущественный фактор, то множественные коэффициенты детерминации на двух смежных шагах построения модели почти не отличаются друг от друга.