Tema_3

11

6. Оценка надежности результатов множественной регрессии и

корреляции.

Значимость уравнения множественной регрессии в целом оценивается с помощью F критерия.

Формула:

Dфакт – факторная суммаквадратов наодну степень свободы.

Dост – остаточная суммаквадратов наодну степень свободы.

R2 – коэффициент (индекс) множественной детерминации. m – число параметров при переменных х.

n – число наблюдений.

Если факторное значение F - критерия превышает табличное, то уравнение статически значимо.

Оценивают значимость не только уравнения в целом, но и фактора дополнительно включенного в регрессивную модель. Это связано с тем, что каждый фактор вошедший в модель может существенно увеличивать долю объяснённой вариации результатного признака. Кроме того, при наличии в модели нескольких факторов они могут ввозиться в модель в разной последовательности.

Мерой для оценки включения фактора в модель служит частный F критерий Fxi. Он определяется по формуле:

Факторное значение частного F критерия сравнивается с табличным, при 5 % и 1 % уровнезначимости и числестепеней свободы n-m-1 и 1.

Если фактическое значение Fxi > Fтабл , то дополнительное включение фактора в модель статистически оправдано и коэффициент регрессии при xi - bi статистически значимо. Если факторное Fxi < Fтабл , то дополнительное включение фактора в модель xi не увеличивает долю объяснённой вариации y, следовательно, не целесообразно включать в модель xi. С помощью F критерия можно проверить значимость всех коэффициентов регрессии в предположении, что каждый соответствующий фактор xi вводится модель последним.

Зная частный F критерий можно определить Т критерий. Стьюдента для коэффициентарегрессии при i – м факторе.

Если t критерий для коэффициента чистой регрессии больше табличного, то подтверждается статическая зависимость включённых в модель факторов.

Т критерий Стьюдентаможет быть рассчитан по формуле:

bi – коэффициенты чистой регрессии при факторе xi .

mbi – средняя квадратическая ошибкакоэффициентарегрессии bi .

12

Существует взаимосвязь между квадратом частного коэффициента корреляции и частным F критерием.

13

7. Фиктивные переменные во множественной регрессии.

Построение регрессионных моделей возможно, когда в качестве факторов рассматриваются экономические переменные, принимающие не только количественные значения на некотором интервале, но и факторы, имеющие 2 и более качественных уровня. Это могут быть разного рода атрибутивные признаки, например, профессия, образование, пол, принадлежность к региону, социальной группе, климатические условия. Чтобы ввести такие переменные в модель, им присваиваются цифровые метки, т.е. качественные переменные преобразуются в количественные. Таким образом сконструированные переменные называются фиктивными.

Пример 1.

Изучалась группалиц мужского и женского полов. у – количество потребляемого продукта х – ценапродукта Было построено уравнение:

(1)

Аналогичные уравнения могут быть построены отдельно для лиц мужского пола (2) и отдельно для лиц женского пола (3):

(2)

(3)

Предположим, что существуют различия в потреблении продукта между мужчинами и женщинами, т.е. , но сила влияния цены х на объем потребления у одинакова, т.е. . В этом случае необходимо построить общее уравнение регрессии свключением в него фактора «пол» в видефиктивной переменной.

(4)

-фиктивныепеременные, принимающиезначения:

Тогда из уравнения (4) для лиц мужского пола может быть получено

МНК нельзя, т.к. метод приведет к вырожденной матрице системы уравнений. Выходом из создаваемой ситуации является переход к уравнению вида (5) или (6):

(5)

(6)

Т.е. надо построить такие уравнения, в которых содержится только одна фиктивная переменная: или , или . Например, если построено уравнение (5), то

для лиц мужского полабудет верно равенство: Мужской пол

Женский пол

14

Т.е. различие в потреблении продукта выражается в различии свободных членов.

Таким образом, если фиктивная переменная имеет 2 качественных уровня, то в модель вводят 1 фиктивную переменную. Если число градаций (качественных уровней) фиктивной переменной равно k, то в модель вводится (k-1) фиктивная переменная.

Пример 2.

у – ценадвухкомнатной квартиры х – площадь квартиры

Пусть z – тип дома: кирпичный, панельный, деревянный.

Было построено уравнение: Кирпичный дом: Панельный дом: Деревянный дом:

Вотдельных случаях необходимо ввести 2 и более группы фиктивных переменных, т.е. 2 и более качественных фактора, каждый из которых имеет несколько градаций, например, при изучении потребления некоторого товара при учете таких факторов, как цена, доход, цена на взаимозависимый товар и др. учитываются качественные факторы: национальный состав населения, где продается товар, климатические условия при продаже товара, образование населения. При построении таких моделей из каждой группы фиктивных переменных следует исключить по одной переменной. Бывают случаи, когда регрессия строится только нафиктивных факторах.

Пример 3.

у – средняя заработная платаработников предприятий промышленности.

Висследовании участвовало k регионов. Былапостроенамодель:

Иногда в качестве результативного показателя используется фиктивная переменная, например при обработке данных в социологическом опросе: у – ответ навопрос.

Модели, в которых y – фиктивная переменная, называются вероятностными. Для значения переменной у ставят в соответствие вероятности p и (1-p). И для построения таких моделей используют законы теории вероятностей и комбинаторики.

Среди моделей с фиктивными переменными наибольшее распространение получили модели, в которых зависимая переменная у рассматривается как функция от ряда экономических количественных факторов с фиктивными переменными .

Такие модели отражают различие в формировании у по отдельным группам единиц совокупности.