НА ОСНОВЕ МОДЕЛЕЙ МНОЖЕСТВЕННОЙ РЕГРЕССИИ
Множественная регрессия – это уравнение связи с несколькими независимыми переменными, т.е. где y – зависимая переменная (результативный признак); - независимые переменные (факторы). Для построения уравнения множественной регрессии чаще всего используются следующие функции: линейная – степенная – экспонента – гипербола –
Для оценки параметров уравнения множественной регрессии также используется МНК, сущность которого заключается в составлении системы нормальных уравнений, их преобразований и последующего нахождения параметров регрессии. На практике часто используют другой подход по определению параметров множественной регрессии. Сущность данного подхода заключается в построении на начальном этапе исследования уравнения регрессии в стандартизированной форме и дальнейших его преобразований в ходе последующих этапов. Уравнение множественной регрессии в стандартизованной форме имеет вид: (4.1) где - стандартизованные переменные; - стандартизованные коэффициенты регрессии. К уравнению вида (3.19) применимы положения МНК. Стандартизованные коэффициенты определяются из следующей системы уравнений: ……………………………………………………... Связь коэффициентов множественной регрессии со стандартизованными коэффициентами описывается соотношением:
(4.2) Параметр a определяется по формуле:
(4.3)
Тесноту совместного влияния факторов на результат оценивает индекс множественной корреляции. Индекс множественной корреляции для уравнения в стандартизованном масштабе можно записать в виде: . (4.4)
Кроме того, могут рассчитываться частные коэффициенты корреляции, которые оценивают влияние фактора на y при неизменном уровне других. Частные коэффициенты изменяются в пределах от -1 до + 1. Качество построенной модели оценивается по величине R . - Для характеристики относится силы влияния факторов на y рассчитываются средние (частные) коэффициенты эластичности (3.23), показывающие, на сколько % в среднем изменится анализируемый показатель (у) с изменением на 1 % каждого фактора при фиксированном положении других факторов: (4.5)
II. Линейные коэффициенты частной корреляции (свидетельствуют о тесноте и направлении связи)
(15)
Общий критерий F критерий проверяет гипотезу о статической значимости уравнения регрессии и показателя тесноты связи. Для этого используется формула: (16) m- число факторов переменных; По таблицам F – критерия находится значение
m *- число коэффициентов уравнения регрессии принимается, если (не менее чем в 4 раза), то с вероятностью 1 – = 0,95 делаем заключение о статистической значимости уравнения в целом и показателя тесноты связи , которые сформировались под воздействием факторов и . Частные F критерии - оценивают статическую значимость присутствия факторов и в уравнении множественной регрессии. Кроме того, оценивает целесообразность включения в уравнение фактора после того, как в него был включен фактор Соответственно указывает на целесообразность включения в модель фактора после фактора . Рассчитывается по формуле: (17)
принимается при условии, что 21
Ниже приведены примеры применения многомерного корреляционно – регрессионного анализа.
3.6. Прогнозирование на основе уравнения регрессии
В прогнозных расчетах по уравнению регрессии определяется предсказываемое (yпр) значение как точечный прогноз при x = xпр, т.е. путем подстановки в уравнение регрессии соответствующего значения x. При этом необходимо правильно выбирать интервал прогноза (период упреждения). Считается, что эффективность прогнозных оценок сохраняется на интервале, не превышающем более чем на 30% период наблюдения. Определение точности и достоверности прогноза заключается в определении доверительного интервала: , (3.17) где tα – так называемый коэффициент доверия, определяемый с помощью таблиц распределения Стьюдента (при уровне значимости α =0,05 и числу степеней свободы n-m); . (3.18) Обоснование периода упреждения и параметров прогноза показателей предприятия.Период упреждения – это период времени, на который разрабатывается прогноз. Уравнения трендов иногда определяют на основе относительного коротких динамических рядов. Считается, что период упреждения прогноза не должен превышать 1/3 периода основания прогноза, либо должен быть достаточен для разработки прогноза. Иначе, доверительный интервал для линии тренда, а, следовательно, и для прогностических оценок окажутся весьма широкими. Задавшись некоторыми ограничениями на размер ошибки прогноза или ошибки уровня тренда, можно найти минимальное число наблюдений, при котором поставленное условие будет соблюдено.
Популярное: Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... Почему двоичная система счисления так распространена?: Каждая цифра должна быть как-то представлена на физическом носителе... Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (1135)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |