Содержание
- 2. Множественная регрессия широко используется в решении проблем спроса, доходности акций, изучение функции издержек производства, в макроэкономических
- 3. Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого
- 4. например Современная потребительская функция чаще всего рассматривается как модель вида С – потребление; у – доход;
- 5. Построение уравнения множественной регрессии начинается с решения вопроса о спецификации модели.
- 6. Условия включения факторов при построении множественной регрессии. 1. Они должны быть количественно измеримы. Если необходимо включить
- 7. например, в модели урожайности качество почвы задается в виде баллов; в модели стоимости объектов недвижимости учитывается
- 8. 2. Факторы не должны быть интеркоррелированы.
- 9. Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель и
- 10. Так, в уравнении предполагается, что факторы и независимы друг от друга, т.е. Тогда можно говорить, что
- 11. Пример. Рассмотрим регрессию себестоимости: единицы продукции (руб.,у) от заработной платы работника (руб., ) и производительности его
- 12. Отбор факторов при построении множественной регрессии.
- 13. отбор факторов обычно осуществляется в две стадии на первой подбираются факторы исходя из сущности проблемы; на
- 14. Коэффициенты интеркорреляции – коэфф. корреляции между объясняющими переменными. Считается, что две переменные явно коллинеарны, т.е находятся
- 15. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из
- 16. Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточной тесной
- 17. Пусть, например, при изучении зависимости матрица парных коэффициентов корреляции оказалась следующей:
- 19. Очевидно, что факторы x и z дублируют друг друга. В анализ целесообразно включить фактор z ,
- 20. пример
- 21. По величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности возникают при наличии мультиколлинеарности
- 22. Для оценки мультиколлинеарности факторов может использоваться определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы
- 23. Если же, наоборот, между факторами существует полная линейная зависимость и все коэффициенты корреляции равны единице, то
- 24. Таким образом, чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее
- 25. Через коэффициенты множественной детерминации можно найти переменные, ответственные за мультиколлинеарность факторов.
- 26. Сравнивая между собой коэффициенты множественной детерминации факторов оставляем в уравнении факторы с минимальной величиной коэффициента множественной
- 27. При дополнительном включении в регрессию р+1 фактора коэффициент детерминации должен возрастать, а остаточная дисперсия уменьшаться; и
- 29. Скачать презентацию