Ir zināms, ka pastāv saistība starp divām vai vairākām pazīmēm, ja ir zināmi vairāku mainīgo lielumu sadalījumi
Kaut vai, piemēram, pastāv cieša sakarība starp dažādām ikdienas dzīves parādībām, kaut vai starp gaisa temperatūru un to drēbju skaitu, ko mēs uzvelkam.
“Sakarība starp divām pazīmēm tiek konstatēta tad, kad, mainoties vienai pazīmei, saskaņā ar noteiktu likumsakarību mainās arī otra pazīme. Sakarības starp pazīmēm var būt dažādas.
Pilnīga jeb funkcionāla sakarība, ja katrai xi vērtībai atbilst viena noteikta yi vērtība. Piemēram, attiecības starp dažādām mērījumu skalām vienai un tai pašai vielai (ūdeni var mērīt litros un kilogramos – 1 litrs = 1,4 kg, 2 litri – 2,8 kg, utt.).
Nepilnīga sakarība. Ja vienai mainīgā lieluma vērtībai atbilst vairākas otrā mainīgā lieluma vērtības ar tendenci uz noteiktu vidējo, tad šādu sakarību mēdz saukt par nepilnīgu vai par korelatīvu.
Ja starp divām pazīmēm pastāv sakarība, tad, zinot vienas pazīmes stāvokli, var prognozēt otras pazīmes vidējo stāvokli. Ja pastāv sakarība starp izglītības līmeni un iespēju dabūt darbu bezdarba situācijā, tad, zinot kāda cilvēka izglītības līmeni, var prognozēt, kāda ir vidējā iespējamība, ka šis cilvēks dabūs darbu.” (Kristapsone (2000))
Tautsaimniecības nozaru, uzņēmumu un citu objektu attīstība ir savstarpēji saistīta, līdz ar to savstarpēji ir saistīti arī statistiskie rādītāji, kuri raksturo šo attīstību. Sakarība starp rādītājiem var būt ciešāk vai vājāk izteikta, var saglabāties ilgāku laika periodu, vai arī būt mainīga dažādos laika periodos.
Īpaša vieta parādību savstarpējās sakarības pētīšanā ir korelācijas un regresijas metodēm.
Regresijas un korelācijas analīze pētī kvantitatīvu pazīmju sakarības. Atributīvām pazīmēm tā nav piemērota, jo neeksistē metriskas (izmērāmas) attiecības atributīvas pazīmes variantu starpā, kas, lietojot regresijas un korelācijas analīzi, ir nepieciešams. Taču, pētījot kvantitatīvu pazīmju sakarības, regresijas – korelācijas analīze dod iespēju ne vien novērtēt sakarību nozīmību, ko dod arī dispersijas analīze, bet arī aprēķināt sakarību modeli un noteikt sakarību ciešumu. Dispersijas analīze tādas iespējas nedod. Tādēļ pētot kvantitatīvu pazīmju sakarības, regresijas un korelācijas analīzei ir lielas priekšrocības.
Par korelācijas un regresijas metodi jeb regresijas un korelācijas analīzi sauc matemātisko paņēmienu kopumu, ar kuru palīdzību pēta kvantitatīvās sakarības starp mainīgiem lielumiem, ja tās ir korelatīvas. Vārdu korelācija ( atbilstība) statistikā sāka lietot angļu biologs un statistiķis F.Galtons 19.gadsimta beigās.…
