- •Содержание
- •Множественная регрессия и корреляция
- •Виды многофакторных моделей
- •Оценка параметров уравнения множественной регрессии
- •Расчет коэффициентов эластичности
- •Показатели корреляции и детерминации, их использование
- •Оценка надежности результатов множественной регрессии, корреляции и фактора дополнительно включенного в модель
- •Оценка статистической значимости коэффициентов чистой регрессии производится с помощью t - критерия Стьюдента по формулам:
- •Решение типовых задач
- •Решение
- •Практические задачи
- •Задание
- •Задача 7
- •Задача 8
- •Задача 9
- •Задача 11
- •Задача 12
- •Задача 13
- •Задача 14
- •Задача 16
- •Задача 17
- •Задача 18
- •Задача 19
- •Реализация типовых задач на компьютере
- •Решение задач с помощью ппп Excel (функции линейн)
- •По результатам вычислений составим уравнение множественной регрессии
- •Решение задач с помощью ппп Excel (инструмент Регрессия)
- •Контрольные задания
- •Контрольные вопросы
- •Система эконометрических уравнений
- •Виды систем уравнений
- •Проблема идентификации. Необходимое и достаточное условие
- •Методы оценивания параметров структурной модели
- •Практические задания
- •Контрольные вопросы
- •Временные ряды в эконометрических исследованиях
- •Выявление структуры временного ряда
- •Моделирование тенденции временного ряда
- •Моделирование сезонных и циклических колебаний
- •Построение аддитивной модели временного ряда
- •Построение мультипликативной модели временного ряда
- •Прогнозирование по моделям временного ряда
- •Практические задачи
- •Контрольные вопросы
- •Библиографический список
Оценка параметров уравнения множественной регрессии
Параметры уравнения множественной регрессии оцениваются, как и в парной регрессии, методом наименьших квадратов (МНК). Возможны два способа расчета параметров многофакторной модели:
методом определителей;
метод стандартизации переменных (с использованием парных коэффициентов корреляции).–
В первом случае для линейных уравнений и нелинейных уравнений, приводимых к линейным, строится следующая система нормальных уравнений, решение которой позволяет получить оценки параметров регрессии:
(1.6)
Для ее решения может быть применен метод определителей:
(1.7)
где
- определитель системы; (1.8)
частные
определители, которые получаются путем
замены соответствующего столбца матрицы
определителя системы данными левой
части системы.
Во втором методе уравнение множественной регрессии преобразуется в уравнение регрессии в стандартизованном масштабе (виде):
, (1.9)
где
стандартизованные
переменные;
стандартизованные
коэффициенты регрессии.
К уравнению множественной регрессии в стандартизованном масштабе применим МНК, стандартизованные коэффициенты регрессии определяются из следующей системы уравнений:
,
(1.10)
Связь
коэффициентов множественной регрессии
b
i
со
стандартизованными
коэффициентами
описывается
соотношением
(1.11)
Параметр
а
определяется как
.
(1.12)
Это позволяет от уравнения регрессии в стандартизованном масштабе
,
переходить к уравнению регрессии в натуральном масштабе переменных:
При нелинейной зависимости признаков, приводимой к линейному виду, параметры множественной регрессии также определяются МНК с той лишь разницей, что он используется не к исходным переменным, а к преобразованным данным. Например, для степенной функции
преобразование
в линейный вид заключается, как и в
парной регрессии, в логарифмировании
уравнения по десятичному или натуральному
основанию. Линейный вид степенной
функции:
где
переменные выражены в логарифмах.
Далее обработка МНК та же, что и описана выше: строится система нормальных уравнений и определяются параметры lna, b1, b2, …, b p. Потенцируя значение lna, найдем параметр а и соответсвенно общий вид степенной функции.
Для другого вида моделей, например, полиномиальных, гиперболических и т. п. линеаризация исходного уравнения проводится, как и в парной регрессии, путем замены нелинейных переменных на линейные.
Расчет коэффициентов эластичности
Для множественного уравнения регрессии рассчитываются средние и частные коэффициенты эластичности.
Средние коэффициенты эластичности для множественной регрессии рассчитываются по формуле
(1.13)
где
частные
производные уравнения регрессии по
соответствующему фактору;
среднее
значение соответствующего фактора x
i;
среднее значение результативного
признака.
Средний коэффициент эластичности показывает, насколько процентов в среднем изменится результат у с увеличением фактора хi на 1 % от своего среднего уровня.
Для линейной множественной регрессии средние коэффициенты эластичности рассчитываются
(1.14)
где b i - коэффициент чистой регрессии для соответствующего фактора x i;
средние
значения соответствующего фактора и
результативного признака по совокупности
показателей.
Средние
коэффициенты эластичности можно
сравнивать друг сдругом и соответственно
использовать для ранжирования факторов
по силе их влияния на результат. Чем
больше величина
,
тем сильнее влияет фактор хi
на
результат у.
Частные коэффициенты эластичности рассчитываются на основе частных уравнений регрессии, которые связывают результативный признак с соответствующими факторами хi при закреплении других учитываемых во множественной регрессии факторов на среднем уровне. Для линейной множественной регрессии частные уравнения регрессии имеют следующий вид:
(1.15)
……………………………………………………………….
При подстановке в эти уравнения средних значений соответствующих факторов они принимают вид парных уравнений линейной регрессии, т. е. имеем:
(1.16)
…………………………………
Эффекты влияния других факторов присоединены в них к свободному члену уравнения регрессии
С учетом частных уравнений регрессии для расчета частных коэффициентов эластичности применяется следующая формула:
(1.17)
где b i - коэффициент регрессии для соответствующего фактора x i в уравнении множественной регрессии;
-
частное уравнение регрессии.
Значения частных коэффициентов эластичности могут быть использованы при принятии решений относительно экономических явлений конкретных регионов, областей, предприятий и т. п.
