31. Уравнение регрессии как форма аналитического выражения статистической связи.

Регрессия (лат. regressio - обратное движение, переход от более сложных форм развития к менее сложным) - одно из основных понятий в теории вероятности и математической статистике, выражающее зависимость среднего значения случайной величины от значений другой случайной величины или нескольких случайных величин.

Теоретическая линия регрессии- это та линия, вокруг которой группируются точки корреляционного поля и которая указывает основное направление, основную тенденцию связи.

Теоретическая линия регрессии должна отображать изменение средних величин результативного признака «y» по мере изменения величин факторного признака «x» при условии полного взаимопогашения всех прочих – случайных по отношению к фактору «x» - причин. Следовательно, эта линия должна быть проведена так, чтобы сумма отклонений точек поля корреляции от соответствующих точек теоретической линии регрессии равнялась нулю, а сумма квадратов этих отклонений была ба минимальной величиной.

Важным этапом регрессионного анализа является определение типа функции, с помощью которой характеризуется зависимость между признаками. Главным основанием должен служить содержательный анализ природы изучаемой зависимости, ее механизма. Вместе с тем теоретически обосновать форму связи каждого из факторов с результативным показателем можно далеко не всегда, поскольку исследуемые социально-экономические явления очень сложны и факторы, формирующие их уровень, тесно переплетаются и взаимодействуют друг с другом. Поэтому на основе теоретического анализа нередко могут быть сделаны самые общие выводы относительно направления связи, возможности его изменения в исследуемой совокупности, правомерности использования линейной зависимости, возможного наличия экстремальных значений и т.п. Необходимым дополнением такого рода предположений должен быть анализ конкретных фактических данных.

Приблизительно представление о линии связи можно получить на основе эмпирической линии регрессии. Эмпирическая линия регрессии обычно является ломанной линией, имеет более или менее значительный излом. Объясняется это тем, что влияние прочих неучтенных факторов, оказывающих воздействие на вариацию результативного признака, в средних погашается неполностью, в силу недостаточно большого количества наблюдений, поэтому эмпирической линией связи для выбора и обоснования типа теоретической кривой можно воспользоваться при условии, что число наблюдений будет достаточно велико.

Параметр b1 показывает, насколько в среднем изменится значение результативного признака yt при увеличении фактора xt на единицу при неизменной величине других факторов.

Параметр b2 показывает, насколько в среднем за год изменится значение результативного признака yt за счет воздействия всех факторов, кроме фактора xt.

32. Методика построения однофакторной регрессионной модели корреляционной связи явлений.

Модель (в широком смысле) – аналог, условный образ какого – либо процесса или события, приближено воссоздающий оригинал. По количеству включаемых факторов модели делятся на однофакторные и многофакторные. Наиболее разработанной в теории статистики является методология парной корреляции – однофакторный корреляционный и регрессионный анализ. Построение и анализ двух мерной модели является основой для изучения многофакторных связей. Важнейшим этапом построения модели (уравнения регрессии) является установление исходной информации. Уравнение однофакторной (парной) линейной корреляционной связи имеет вид. y¯ =a0+a1x.a– показывает силу связи между вариацией факторного признака и результативного. Параметры уравнения а0, а1 находят методом наименьших квадратов. Для практического использования моделей регрессии большое значение имеет их адекватность, т. е. соответствие фактическим статистическим данным. При численности объектов анализа до 30 единиц возникает необходимость проверки значимости каждого коэффициента регрессии с помощьюt– критерия Стьюдента. Проверка адекватности регрессионной модели может быть дополнена корреляционным анализом (сначала определить тесноту корреляционной связи). После проверки адекватности установление точности и надежности уравнения регрессии его нужно проанализировать. Для удобства используют коэффициент эластичности. Он показывает среднее изменение результативного признака при изменении факторного признака на 1%. Э = а1х¯/у¯.