Реферат на тему «Анализ регрессионного и корреляционного анализа»

В первой главе была проведена тщательная подготовка исходных данных, что является фундаментальным этапом любого эмпирического исследования. Были описаны переменные, участвующие в анализе — уровень инфляции, доля электронной закупки, уровень конкуренции и изменение валютного курса, — что позволило установить контекст для дальнейших расчетов. Далее были рассчитаны ключевые описательные статистики, такие как среднее, медиана и стандартное отклонение, что дало первичное представление о распределении и центральных тенденциях каждого показателя. Завершающим шагом стала визуализация данных посредством матриц рассеяния и гистограмм, что позволило наглядно оценить характер распределений и предварительно выявить потенциальные линейные и нелинейные взаимосвязи между переменными, заложив основу для более глубокого количественного анализа.

Вторая глава была посвящена корреляционному анализу, который является ключевым инструментом для количественной оценки взаимосвязей между переменными. В начале была детально изложена методология расчета коэффициентов корреляции Пирсона, что обеспечило прозрачность и воспроизводимость дальнейших шагов. Затем был проведен анализ корреляционной матрицы, что позволило выявить силу и направление линейных связей между всеми парами переменных, включая зависимую переменную — уровень инфляции. Особое внимание было уделено интерпретации статистической значимости выявленных корреляций с уровнем инфляции, что позволило отделить случайные связи от статистически подтвержденных, формируя эмпирическую базу для дальнейшего регрессионного моделирования и понимания факторов, влияющих на инфляцию.

Третья глава сосредоточилась на регрессионном анализе, который является основным методом для построения прогностической модели и оценки влияния независимых переменных на зависимую. В начале была специфицирована и оценена модель множественной регрессии, где уровень инфляции выступал в качестве зависимой переменной, что позволило получить количественные оценки вкладов каждого фактора. Далее был проведен анализ коэффициентов регрессии и их статистической значимости, что дало возможность понять, какие факторы оказывают существенное влияние на инфляцию и в каком направлении. Завершающим этапом стала оценка адекватности построенной модели и интерпретация полученных результатов с учетом ограничений малой выборки, что позволило сформулировать обоснованные выводы и рекомендации для дальнейших, более масштабных исследований, несмотря на присущие данным ограничения.

Эмпирический анализ выявил выраженную отрицательную связь между долей электронной закупки и уровнем инфляции: при росте доли электронных закупок наблюдается тенденция к снижению инфляции (корреляция порядка −0,65 и отрицательный коэффициент при соответствующей переменной в множественной регрессии), тогда как взаимосвязи инфляции с уровнем конкуренции и изменением валютного курса на имеющемся наборе данных носят существенно более слабый положительный характер (коэффициенты корреляции порядка +0,15 и +0,14 соответственно) и в регрессионной модели оказываются статистически менее существенными. Методологически полученные оценки следует интерпретировать аккуратно: небольшая выборка и ограниченное число наблюдений уменьшают надёжность тестов значимости и увеличивают риск смещения оценок; проверка базовых предпосылок (линейность связи, распределение остатков, гетероскедастичность) выявляет ограниченные возможности для уверенной валидации модели, поэтому регрессионные коэффициенты удобны как ориентиры направлений влияния, но не как окончательные количественные меры причинно-следственного эффекта. Практическое значение полученных результатов состоит в том, что политика цифровизации закупок может рассматриваться как потенциальный фактор, способствующий сдерживанию инфляционного давления через повышение прозрачности и эффективности процедур; однако реальные управленческие решения требуют подтверждения на больших и более репрезентативных данных, а также учёта сопутствующих институциональных и макроэкономических факторов. В качестве дальнейших шагов рекомендую расширить выборку во времени и по регионам, включить дополнительные объясняющие переменные (денежная политика, кредитная динамика, внешнеэкономические шоки), провести тесты на эндогенность и устойчивость оценок (инструментальные переменные, бутстрэповая оценка доверительных интервалов) и выполнить сценарную проверку чувствительности: эти меры позволят подтвердить или откорректировать первоначальные выводы и укрепить практическую значимость эмпирических рекомендаций.