Ћекции.ќрг


ѕоиск:




 атегории:

јстрономи€
Ѕиологи€
√еографи€
ƒругие €зыки
»нтернет
»нформатика
»стори€
 ультура
Ћитература
Ћогика
ћатематика
ћедицина
ћеханика
ќхрана труда
ѕедагогика
ѕолитика
ѕраво
ѕсихологи€
–елиги€
–иторика
—оциологи€
—порт
—троительство
“ехнологи€
“ранспорт
‘изика
‘илософи€
‘инансы
’ими€
Ёкологи€
Ёкономика
Ёлектроника

 

 

 

 


¬опрос 1. ќтбор факторов при построении уравнени€ множественной регрессии




¬ключение в уравнение множественной регрессии того иного набора факторов св€зано прежде всего с представлением исследовател€ о природе взаимосв€зи моделируемого показател€ с другими экономическими €влени€ми.

‘акторы, включаемые в множественную регрессию, должны отвечать следующим требовани€м:

ќни должны быть количественно измеримы. ≈сли необходимо включить в модель качественный фактор, не имеющий количественного измерени€, то ему нужно придать количественную определенность (например, в модели урожайности качество почвы задаетс€ в виде баллов; в модели стоимости объектов недвижимости учитываетс€ место нахождени€ недвижимости: они могут быть проранжированы).

‘акторы не должны быть интеркоррелированы и тем более находитьс€ в точной функциональной св€зи. ¬ключение в модель факторов с высокой интеркоррел€цией может привести к нежелательным последстви€м Ц система нормальных уравнений может оказатьс€ плохо обусловленной и повлечь за собой неустойчивость и ненадежность оценок коэффициентов регрессии.

≈сли между факторами существует высока€ коррел€ци€, то нельз€ определить их изолированное вли€ние на результативный показатель и параметры уравнени€ регрессии оказываютс€ неинтерпретируемыми.

“ак, в уравнении у = а + b1 x1 + b2 х2 +? предполагаетс€, что факторы x1, и х2 независимы друг от друга, т. е. rx1x2 = 0. “огда можно говорить, что параметр b1 измер€ет силу вли€ни€ фактора х1, на результат у при неизменном значении фактора 2.

≈сли же rx1x2 = 1, то с изменением фактора x1, фактор х2 не может оставатьс€ неизменным. ќтсюда b1 и b2 нельз€ интерпретировать как показатели раздельного вли€ни€ x1, и х2 и на у.

¬ключаемые во множественную регрессию факторы должны объ€снить вариацию независимой переменной. ≈сли строитс€ модель с набором р факторов, то дл€ нее рассчитываетс€ коэффициент детерминации R2, который фиксирует долю объ€сненной вариации результативного признака за счет рассматриваемых в регрессии р факторов. ¬ли€ние других не учтенных в модели факторов оцениваетс€ как 1 Ч R2 с соответствующей остаточной дисперсией S2.

ѕри дополнительном включении в регрессию (р +1)-го фактора коэффициент детерминации должен возрастать, а остаточна€ дисперси€ уменьшатьс€.

≈сли же этого не происходит и данные показатели практически мало отличаютс€ друг от друга, то включаемый в анализ фактор хр + 1 не улучшает модель и практически €вл€етс€ лишним фактором. Ќасыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической незначимости параметров регрессии по t-критерию —тьюдента.

“аким образом, хот€ теоретически регрессионна€ модель позвол€ет учесть любое число факторов, практически в этом нет необходимости.

 ак и в парной зависимости, возможны разные виды уравнений множественной регрессии: линейные и нелинейные. ¬виду четкой интерпретации параметров наиболее широко используютс€ линейна€ и степенна€ функции. ¬ линейной множественной регрессии у = а + b1 x1 + b2 х2 + Е + bр Х хр параметры при х называютс€ коэффициентами Ђчистойї регрессии. ќни характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне.

ќтбор факторов, включаемых в регрессию, €вл€етс€ одним из важнейших этапов практического использовани€ методов регрессии. ѕодходы к отбору факторов на основе показателей коррел€ции могут быть разные. ќни привод€т построение уравнени€ множественной регрессии соответственно к разным методикам. ¬ зависимости от того, кака€ методика построени€ уравнени€ регрессии прин€та, мен€етс€ алгоритм ее решени€ на Ё¬ћ.

Ќаиболее широкое применение получили следующие методы построени€ уравнени€ множественной регрессии:

Ј метод исключени€;

Ј метод включени€;

Ј шаговый регрессионный анализ.

 аждый из этих методов по-своему решает проблему отбора факторов, дава€ в целом близкие результаты Ц отсев факторов из полного его набора (метод исключени€), дополнительное введение фактора (метод включени€), исключение ранее введенного фактора (шаговый регрессионный анализ).

ѕри отборе факторов рекомендуетс€ пользоватьс€ следующим правилом: число включаемых факторов обычно в 6Ч7 раз меньше объема совокупности, по которой строитс€ регресси€. ≈сли это соотношение нарушено, то число степеней свободы остаточной вариации очень мало. Ёто приводит к тому, что параметры уравнени€ регрессии оказываютс€ статистически незначимыми, а F-критерий меньше табличного значени€.





ѕоделитьс€ с друзь€ми:


ƒата добавлени€: 2016-12-05; ћы поможем в написании ваших работ!; просмотров: 678 | Ќарушение авторских прав


ѕоиск на сайте:

Ћучшие изречени€:

„тобы получилс€ студенческий борщ, его нужно варить также как и домашний, только без м€са и развести водой 1:10 © Ќеизвестно
==> читать все изречени€...

1399 - | 1360 -


© 2015-2024 lektsii.org -  онтакты - ѕоследнее добавление

√ен: 0.012 с.