Множественная регрессия
Изучение связи между тремя и более связанными между собой признаками носит название множественной (многофакторной) регрессии:
_
y1,2,…k = f (x1, x2, …, xk). (11.3.1)
Построение моделей множественной регрессии включает несколько этапов:
v выбор формы связи (уравнение регрессии);
v отбор факторных признаков;
v обеспечение достаточного объема совокупности.
Выбор типа уравнения затрудняется тем, что для любой формы зависимости можно выбрать целый ряд уравнений, которые в определенной степени будут описывать эти связи. Основное значение имеют линейные модели в силу простоты и логичности их экономической интерпретации.
Линейное уравнение множественной регрессии имеет вид:
_
y1,2,…k = a0 + a1*x1 + a2*x2 + … + ak*xk , (11.3.2)
_
где y1,2,…k - теоретические значения результативного признака, полученные в результате подстановки соответствующих значений факторных признаков в уравнение регрессии;
x1 x2 … xk - факторные признаки;
a0 a1 a2 …ak - параметры модели (коэффициенты регрессии).
Параметры уравнения могут быть определены графическим методом, методом наименьших квадратов и т.д.
Важным этапом построения уже выбранного уравнения множественной регрессии является отбор и последующее включение факторных признаков. С одной стороны, чем больше факторных признаков включено в уравнение, тем оно лучше описывает явление. С другой стороны, сокращение размерности модели за счет исключения второстепенных факторов способствует простоте и качеству ее реализации.
При построении модели регрессии возможна проблема мультиколлинеарности, под которой понимается тесная зависимость между факторными признаками, включенными в модель (rxy > 0,8).
Наличие мультиколлинеарности между признаками приводит к искажению величины параметров модели, которые имеют тенденцию к завышению, чем осложняется процесс определения наиболее существенных факторных признаков.
В качестве причин возникновения мультиколлинеарности между признаками можно выделить следующие:
Ø изучаемые факторные признаки являются характеристикой одной и той же стороны явления или процесса. Например, показатели объема производимой продукции и среднегодовой стоимости основных фондов одновременно включать в модель не рекомендуется, так как они оба характеризуют размер предприятия;
Ø факторные признаки являются составляющими элементами друг друга;
Ø факторные признаки по экономическому смыслу дублируют друг друга.
Дата добавления: 2016-05-25; просмотров: 568;