21. Регрессия. Отбор факторов для регрессии.

Колебания в динамическом ряду часто не строго периодические, но зависят от колебаний другого признака (напр.: стоимость продаж от объёма продаж). Тогда эффективно строить зависимость ряда не от безликого (монотонного) времени, а от этого объясняющего ряда (фактора).

Регрессия – функция одной переменной (изучаемого динамического ряда) от другой(их), называемой(ых) фактором(ами) регрессии.

Регрессия – зависимость среднего значения ряда от значений факторов.

Порядок построения регрессии:

• отбор факторов

• выбор [функции] регрессии

• расчет параметров регрессии

• (прогнозирование)

Отбор факторов для регрессии

Различают содержательный и формальный отбор. С содержательной точки зрения в перечень факторов включаются причины изучаемого явления (напр., причиной выпуска продукции является наличие работников). Однако причина может быть представлена различными видами рядов (напр., наличие работников м.б. описано средней численностью, фондом зарплаты, средним стажем, фондом рабочего времени) и различными формами представления (абсолютные, относительные, приростные значения). Кроме того, влияние причины может запаздывать во времени (напр., увеличение основных фондов сейчас, вызовет прирост производства позднее), что приводит к рассмотрению сдвинутых (на период запаздывания) рядов-факторов.. Т.о., одна причина даёт множество рядов-факторов.

С формальной точки зрения, лучшими факторами являются те, что больше похожи по своим колебаниям на изучаемый ряд, т.е. наиболее коррелирующие с ним. Т.о., из всех рядов-факторов в уравнение регрессии целесообразно включать факторы с наибольшими (по модулю) коэффициентами корреляции [с изучаемым рядом].

Отбор факторов можно начать и с формального способа – оценить корреляцию с изучаемым рядом всех доступных исследователю рядов. Высокая корреляция служит сигналом того, что соответствующее явление может быть ранее неизвестной причиной изучаемого явления.

Регрессия – это математическая функция от ряда содержательных переменных, каждая из которых зависит от времени, и времени:

Если содержательные переменные убрать, получим зависимость только от времени, т.е. тренд. Тренд – регрессия ко времени.

Фактор времени [самого по себе] представляет совокупное влияние всех прочих причин, не нашедших отражение в модели. Если уравнения регрессий с и без фактора времени существенно расходятся – в перечне факторов пропущены существенные (поиск которых – задача содержательного исследования).

22. Виды уравнений регрессии. Их интерпретация.

Уравнение, которое описывает теоретическую линию регрессии называют уравнением регрессии.

 

где f(x) – какая-то неизвестная функция, а  – средняя величина признака, которая изменяется.

f(x) – функция, которая устанавливает вид однозначной зависимости между этими величинами – это расчетные теоретические значения.

Наиболее часто используются следующие типовые функции: линейная  

параболическая связь и другие.

Наиболее часто применяется линейная зависимость: , где а0 – свободный член, а1 – коэффициент регрессии, который указывает на сколько единиц в среднем меняется результативный признак при изменении факторного значения на единицу его измерения.

В математической статистике доказано, что

 т.е. дает совпадение в сумме: 

Используя критерий минимизации можно получить значения неизвестных, коэффициент уравнения регрессии:

Система нормальных уравнений:

 

и, соответственно расчет коэффициента регрессии a1 и свободного члена a0:

 

При использовании других типовых функций образуются иные системы нормальных уравнений, для которых определены значения искомых параметров.

Решив уравнение регрессии и получив коэффициент уравнения, их необходимо проверить на неслучайность, т.е. статистическую значимость.

Уравнение регрессии выражает среднюю величину одного признака как функцию другого.

Функция регрессии - это модель вида у = л», где у - зависимая переменная (результативный признак); х - независимая, или объясняющая, переменная (признак-фактор).

Линия регрессии - график функции у = f (x).