Регрессия и задача прогнозирования
Для построения уравнения регрессии необходимо определить факторы, от которых планируется построить уравнение.
Информативность факторов можно оценить с использованием коэффициента парной корреляции.
Показателем тесноты линейной взаимосвязи между переменными Х и Y является выборочный коэффициент парной корреляции .
Величину коэффициента корреляции можно найти в MS Excel с помощью: Данные/ анализ данных / КОРРЕЛЯЦИЯ
1. если r > 0, то говорят о прямой корреляционной зависимости между Х и Y: при увеличении Х величина Y имеет тенденцию в среднем возрастать;
2. если r < 0, то говорят об обратной корреляционной зависимости между Х и Y: при увеличении Х величина Y имеет тенденцию в среднем уменьшаться;
3. в зависимости от того, насколько приближается к 1, различают три уровня корреляционной зависимости:
- слабую (при ),
- умеренную (при ),
- тесную (при ).
Практически в каждом отдельном случае результирующая величина Y складывается из двух слагаемых:
,
где Y – фактическое значение результирующего показателя;
– теоретическое (расчетное) значение этого показателя;
e – случайная величина, характеризующая отклонение фактического значения Y от расчетного из-за неучтенных в модели факторов и случайных ошибок.
Уравнение называется уравнением регрессии.
Построить модель – значит определить ее коэффициенты и записать ее уравнение не в общем, а в пригодном для расчетов виде.
Универсальным способом построения линейных моделей (как парных, так и множественных) является в MS Excel программа РЕГРЕССИЯ (Данные / анализ данных / РЕГРЕССИЯ).
Прогнозирование – это оценка значений результирующего показателя Y в некоторой, представляющей практический интерес прогнозной ситуации, которая описывается факторными переменными Х*.
Прогнозные значения Х* факторных переменных либо задаются, либо рассчитываются отдельно. Предполагают, что в период прогнозирования сохраняются существующие взаимосвязи между переменными.
Точечный прогноз величины Y выполняется по уравнению модели путем подстановки в него соответствующих значений факторных переменных .
В случае парной модели - ожидаемое значение признака Y.
Реальные значения Y скорее всего будут отличаться от рассчитанных прогнозных . Это отличие объясняется двумя причинами:
1) расчет проведен по уравнению регрессии, коэффициенты aj которого найдены по выборочным данным, являются случайными величинами со стандартными отклонениями S(aj). Значит – тоже случайная величина и имеет стандартное отклонение ;
2) согласно уравнению эконометрической модели , т.е. реальное (индивидуальное) значение результирующего признака может отклоняться от расчетного (теоретического) на случайную величину e, что увеличивает стандартную ошибку по сравнению с .
Дата добавления: 2015-09-18; просмотров: 870;