1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |

,
где pi - значение цены i-го товара на j- и x-объектах, w - удельный вес i-товара в продаже всей совокупности товаров), выбор минимальных расстояний позволяет объединять объекты (максимальных - разделять).
Суть и обоснование большинства из перечисленных методов подробно изложены в различных учебниках по общей теории статистики (см. ист.4, 14), существуют также пакеты прикладных программ с разработками статистических методов анализа.
Качественная оценка показателей тесноты связи дается, как правило, по шкале Чеддока: слабая связь - 0,1-0,3, умеренная - 0,3-0,5, заметная - 0,5-0,7, высокая - 0,7-0,9, весьма высокая - 0,9-0,99.
На практике для определения тесноты связи двух признаков часто применяется коэффициент ранговой корреляции Спирмена (Р). Значения каждого признака ранжируются по степени возрастания (от 1 до n), затем определяется разница (d) между рангами, соответствующими одному наблюдению.
где d2 - квадрат разности рангов i-наблюдения,
N-число наблюдений (пар рангов).
Широкое применение в анализе цен находят трендовые и регрессионные модели.
Особенностью построения модели зависимости цен от факторов является необходимость выявления мультиколлинеарности (взаимозависимости) факторов и исключения из анализа некоторых из них. Для этого необходимо рассчитать парные коэффициенты корреляции, которые имеют и самостоятельное аналитическое значение (n-число наблюдений):
Аналогично рассчитываются rpx2, rpx3, rx1x3, rx2x3. Таким образом, для расчета парных коэффициентов корреляции необходимо построить расчетную таблицу промежуточных данных px1, px2, px3, x1x2, x1x3, x2x3, p2, x12, x22, x23, подсчитать сумму по каждому столбцу. Включаются в модель факторы х, удовлетворяющие следующим условиям: |rpx | > |rxx |, |rxx | < 0,8.
Далее