Напишем:


✔ Реферат от 200 руб., от 4 часов
✔ Контрольную от 200 руб., от 4 часов
✔ Курсовую от 500 руб., от 1 дня
✔ Решим задачу от 20 руб., от 4 часов
✔ Дипломную работу от 3000 руб., от 3-х дней
✔ Другие виды работ по договоренности.

Узнать стоимость!

Не интересно!

Множественная регрессия.

Изучение связи между тремя и более связанными между собой признаками носит название множественной (многофакторной) регрессии. При исследовании зависимостей методами множественной регрессии требуется определить аналитическое выражение связи между результативным признаков (Y) и множеством факторных признаков (x1, x2, x3,…xn).

Построение моделей множественной регрессии включает несколько этапов:

·         выбор формы связи (уравнения регрессии);

·         отбор факторных признаков;

·         обеспечение достаточного объема совокупности для получения реальных оценок.

Практика построения многофакторных моделей показывает, что все реально существующие зависимости между социально-экономическими явлениями можно описать, используя пять типов моделей:

·         линейная;

·         степенная;

·         показательная;

·         параболическая;

·         гиперболическая.

Качество уравнения регрессии зависит от степени достоверности и надежности исходных данных и объема совокупности.

Немаловажное значение имеет процедура отбора факторов в уравнение. Наиболее приемлемым способом отбора факторных признаков является шаговая регрессия. Сущность метода шаговой регрессии заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости.

Если при включении нового фактора в модель, коэффициенты регрессии меняют не только свои значения, но и знаки, а множественный коэффициент корреляции не возрастает, то данный факторный признак признается нецелесообразным для включения в модель связи.

Сложность и взаимно переплетение отдельных факторов, обуславливающих исследуемое экономическое явление, могу проявляться в так называемой мультиколлинеарности. Под мультиколлинеарностью понимается тесная зависимость между факторными признаками, включенными в модель. Одним из индикаторов определения мультиколлинеарности между признаками является превышение парным коэффициентом корреляции величины 0,8.

При наличии линейной связи между результативным и несколькими факторными признака, а также между парой факторных признаков определяется множественный коэффициент корреляции:

Множественная регрессия.

Множественный коэффициент корреляции изменяется в пределах от 0 до 1. Чем ближе R к единице свидетельствует о сильной зависимости между признаками.