- •Статистическое изучение взаимосвязи социально-экономических явлений
- •Часть II однофакторный и многофакторный регрессионный анализ
- •1. Нахождение уравнений регрессии между двумя признаками
- •1.1. Парная линейная регрессия. Расчет параметров уравнения регрессии по индивидуальным данным
- •1.2. Парная линейная регрессия. Расчет параметров уравнения регрессии по сгруппированным данным
- •Поясним, как вычислялись суммы :
- •1.3. Парная линейная регрессия. Сопряженные уравнения
- •1.4. Парная линейная регрессия. Параболическая и гиперболическая корреляция
- •2. Многофакторная (множественная) регрессия. Общие положения
- •2) Выбор типа урвнения.
- •2.1. Мультиколлинеарность и коллинеарность.
- •5.1. Построение и статистический анализ многофакторной линейной модели
- •5.1. Построение и статистический анализ двухфакторной линейной модели (трехмерной регрессии)
- •5.1.1. Парные коэффициенты корреляции
- •5.1.2. Частные коэффициенты корреляции
- •5.1.3. Совокупный коэффициент множественной корреляции
- •5.1.4. Совокупный коэффициент множественной детерминации
- •5.1.5. Частные коэффициенты эластичности
- •3. Пример на экономическую интерпретацию многофакторной регрессионной модели
Поясним, как вычислялись суммы :
по первой строке ,
по второй строке и т.д.
Вычисление остальных видов сумм очевидно.
Полученные суммы подставим в систему (29):
(30)
Таблица 7
x |
y |
Итого | ||||||
5 |
10 |
15 |
20 | |||||
1 |
1 |
3 |
– |
– |
4 |
4 |
4 |
35 |
3 |
2 |
3 |
7 |
– |
12 |
36 |
108 |
435 |
5 |
– |
3 |
9 |
4 |
16 |
80 |
400 |
1225 |
7 |
– |
– |
5 |
3 |
8 |
56 |
392 |
945 |
Итого |
3 |
9 |
21 |
7 |
40 |
176 |
904 |
2640 |
15 |
90 |
315 |
140 |
=560 |
|
|
| |
75 |
900 |
4725 |
2800 |
=8500 |
|
|
|
По табл. 7 можно вычислить:
= 2640/40 = 60; = 176/40 = 4,4;= 560/40 =14;= 904/40 = 22,6;= 8500/40 = 212,5;== 1,8;== 4,06.
С этими величинами решаем систему (30) по формулам (26,б) и (27) и находим параметры = 8,06 и= 1,35, отсюда искомое уравнение
,
а по формуле (9.11,г) вычисляем коэффициент корреляции r:
= = 0,6, т.е. связь междух и у умеренная (средняя).
1.3. Парная линейная регрессия. Сопряженные уравнения
Часто зависимость между коррелируемыми показателями между х и у такова, что каждый из них можно рассматривать в качестве и факторного, и результативного признака (например, производительность труда и оплата труда).
Если первый показатель обозначить х, а второй – у, то уравнение регрессии можно записать и как у по х т.е. , и какх по у: . Такие уравнения называютсясопряженными.
При линейной зависимости между х и у коэффициенты корреляции для каждого из сопряженных уравнений можно записать соответственно как
, , причем,=, а==.
Данные соотношения позволяют, зная коэффициент корреляции одного уравнения и значение , легко определить коэффициент регрессии сопряженного уравнения, а значит, и параметр(или, если сопряженным уравнением считать).
Пример (см. пример в п. 4.2). Было получено: иr = 0,6. Вычисляем = 0,36/1,35=0,266; приспособив формулу (27) к нашему случаю, вычисляем== 0,676. Отсюда искомое сопряженное уравнение регрессиих по у будет .
1.4. Парная линейная регрессия. Параболическая и гиперболическая корреляция
Параболическая корреляция.
Эмпирическая линия регрессии, отражающая на графике зависимость между х и у, не всегда дает основание для выдвижения гипотезы о линейной зависимости. Характер ломаной линии может быть самым различным.
Например, если рассматривать зависимость урожайности какой-либо с.-х. культуры (у) от количества выпавших осадков (х), то вполне можно предположить, что с увеличением х будет возрастать и у, но может наступить момент, когда с увеличением х (избыток осадков) урожайность начнет падать.
Если при равномерном возрастании х значения у возрастают или убывают ускоренно либо возрастают, а затем убывают, то чаще всего в этом случае зависимость между коррелируемыми величинами может быть выражена в виде параболы 2-го порядка
.
В этом случае для применения МНК должно соблюдаться следующее требование:
.
Система нормальных уравнений приобретает следующий вид:
Гиперболическая корреляция.
Обратная зависимость между двумя признаками может выразиться либо уравнением прямой (т.е. линейной регрессией) с отрицательным коэффициентом регрессии, либо уравнением гиперболы
.
Уравнение гиперболы предпочтительнее использовать в тех случаях, когда значение результативного признака, равное нулю или меньше нуля, лишено смысла, что теоретически возможно при обратной линейной зависимости
Согласно МНК система для нахождения параметров гиперболы ибудет иметь вид