|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Практическое занятие 1. Множественная регрессия – уравнение связи с несколькими независимыми переменными:
Множественная регрессия – уравнение связи с несколькими независимыми переменными: y = f(x1, х2,..., хр), где у – зависимая переменная (результативный признак); x1, х2,..., хр – независимые переменные (факторы). Для построения уравнения множественной регрессии чаще используются следующие функции: - линейная – у = а + b1 х1 +b2 х2 +... + bр хр + ε; - степенная – ; - экспонента – ; - гипербола – . Можно использовать и другие функции, приводимые к линейному виду. Для оценки параметров уравнения множественной регрессии применяют метод наименьших квадратов (МНК). Для линейных уравнений и нелинейных уравнений, приводимых к линейным, строится следующая система нормальных уравнений, решение которой позволяет получить оценки параметров регрессии: Решение системы может быть найдено по формулам Крамера: , ,…, где Δ – главный определитель системы нормальных уравнений: Δa, Δb1, … Δbp – частные определители, получаемые путем замены соответствующего столбца матрицы главного определителя системы. Другой вид уравнения множественной регрессии – уравнение регрессии в стандаптизованном масштабе: где ty, tx1, …,txp – стандартизованные переменные: , , для которых среднее значение равно нулю , а среднее квадратическое отклонение равно единице: ; βj – стандартизованные коэффициенты регрессии, которые показывают, на какую часть своего среднего квадратического отклонения σy (или на сколько σy) изменится результат у с увеличением соответствующего фактора xj на величину своего среднего квадратического отклонения σxj при неизменномсреднем уровне других факторов, оказывающих влияние на у. К уравнению множественной регрессии в стандартизованном масштабе применим МНК. Стандартизованные коэффициенты регрессии (β -коэффициенты) определяются из следующей системы уравнений: Связь коэффициентов множественной регрессии bi со стандартизованными коэффициентами βj описывается соотношением: , . Параметр а определяется по формуле: Средние коэффициенты эластичности для линейной регрессии показывают, на сколько процентов в среднем изменится результат у при изменении соответствующего фактора xi на 1%, и рассчитываются по формуле: Данные показатели эластичности можно сравнивать между собой и, тем самым, ранжировать факторы по силе их воздействия на результат. Частные коэффициенты эластичности рассчитываются по формуле: где bj – коэффициенты регрессии для фактора хj в уравнении множественной регрессии; – частное уравнение регрессии, которое связывает результативный признак у с соответствующими факторами х при закреплении фактора xj на среднем уровне. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.) |