Экономический смысл параметров уравнения линейной регрессии
Уравнение регрессии Уравнение регрессии — это математическая формула, определяющая, каким будет среднее значение у при том или ином значении х, если все остальные факторы, влияющие на у, не учитывать, т.е. абстрагироваться от них. Найти в каждом конкретном случае тип функции, с помощью которой можно наиболее точно отразить зависимость между х и у, — первая задача регрессионного анализа. Виды уравнений: 1) линейная зависимость ; 2) парабола ; 3) гипербола ; 4) показательная функция ; 5) степенная функция и т.д. Главным основанием для выбора типа функции должен быть содержательный анализ природы изучаемого явления. Полезно отразить зависимость графически.
Метод наименьших квадратов Далее необходимо определить параметры уравнения регрессии а0 и а1, (для параболы еще и а2). Для этого используют метод наименьших квадратов. В его основу положена идея минимизации суммы квадратов отклонений фактических значений у от их выравненных (теоретических) значений, т.е.
. где уi — фактические значения результативного признака; yi(xi) — значения у, найденные по уравнению регрессии. Если регрессия линейная , то Рассматривая сумму в качестве функции параметров а0 и а1, определяют частные производные по а0 и а1 и приравнивают их к нулю, поскольку в точке экстремума производная функции равна нулю:
Система уравнений для разных типов зависимости между признаками Если связь между признаками линейная, то система уравнений для нахождения параметров уравнения регрессии примет вид:
После решения системы относительно а1 и а1 составляют уравнение регрессии . Если связь между признаками у их описывается уравнением параболы , то система нормальных уравнений примет вид:
Если связь описывается уравнением гиперболы , система нормальных уравнений следующая:
Экономический смысл параметров уравнения линейной регрессии В уравнении линейной регрессии параметр а0 определяет среднее значение y которое складывается под влиянием всех факторов, кроме х. Параметр а1 называется коэффициентом регрессии, он определяет, на сколько в среднем изменится у при изменении факторного признака на единицу. Чем больше величина а1, тем значительнее влияние данного факторного признака на моделируемый результативный. Знак коэффициента регрессии говорит о характере влияния фактора на результативный признак. Коэффициент эластичности показывает, на сколько процентов изменится результативный признаку при изменении факторного признака на 1%. Общая формула для расчета коэффициента эластичности выглядит следующим образом: , где у'(х) — первая производная уравнения регрессии у(х) по х. При различных значениях факторного признака х коэффициент эластичности принимает различные значения. Для линейного уравнения регрессии коэффициент эластичности примет вид: . Для параболической связи коэффициент эластичности равен: . Для гиперболической связи коэффициент эластичности равен:
3. Корреляционный анализ. Показатели тесноты связи между признаками В случае линейной зависимости между признаками для оценки тесноты связи применяют линейный коэффициент корреляции: . Линейный коэффициент корреляции изменяется в пределах от —1 до +1. Если |r|<0,3, то связь слабая. Если 0,3 <|r| < 0,7, то связь средняя. Если 0,7 < |r| < 0,9, то связь выше средней или тесная. Если |r| > 0,9, то связь сильная или весьма тесная. Если , то это дает основание говорить об отсутствии линейной связи между х и у.
Популярное: Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... Как выбрать специалиста по управлению гостиницей: Понятно, что управление гостиницей невозможно без специальных знаний. Соответственно, важна квалификация... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (3844)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |