Презентация "Множественная регрессия и корреляция (продолжение)" по математике – проект, доклад

Лекция № 6 множественная регрессия и корреляция. (продолжение)

При исключении из регрессии р+1 фактора коэффициент детерминации должен уменьшаться, а остаточная дисперсия возрастать; и

Выбор формы уравнения регрессии.

Как и в парной зависимости, возможны разные виды уравнений множественной регрессии: линейные и нелинейные. наиболее широко используются линейная и степенная функции .

В линейной множественной регрессии параметры при переменной x называются коэффициентами «чистой» регрессии. Они характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизменном значении других факторов, закрепленном на среднем уровне.

Возможен и иной подход к построению уравнения множественной регрессии ,когда на основе матрицы коэффициентов корреляции строится уравнение регрессии в стандартизованном виде:

Где -стандартизованные переменные Для которых среднее значение равно нулю а среднее квадратическое отклонение равно единице: -стандартизованные коэффициенты регрессии.

Стандартизованные коэффициенты регрессии показывают, на сколько % изменится в среднем результат, если соответствующий фактор xi изменится на 1 % при неизменном среднем уровне других факторов.

Стандартизованные коэффициенты регрессии i сравнимы между собой. Сравнивая их друг с другом, можно ранжировать факторы по силе их воздействия на результат. В этом основное стандартизованных коэффициентов регрессии в отличие от коэффициентов “чистой ” регрессии, которые несравнимы между собой.

коэффициенты “чистой ” регрессии связанны со стандартизованными коэффициентами регрессии следующими формулами : Это позволяет от уравнения регрессии в стандартизованном виде переходить к уравнению регрессии в естественном виде.

Пример. Пусть функция издержек производства y(тыс. руб.) характеризуется уравнением вида x1 - основные производственные фонды(тыс.руб.) х2 - численность занятых в производстве(чел.)

Анализируя его, мы видим, что при той же занятости дополнительный рост стоимости основных производственных фондов на 1 тыс.руб. влечет за собой увеличение затрат в среднем на 1,2 тыс.руб. , а увеличение численности занятых на одного человека способствует при той же технической оснащенности предприятий росту затрат в среднем на 1,1 тыс.руб. Однако это не означает ,что фактор x1 оказывает более сильное влияние на издержки производства по сравнению с фактором x2.

уравнение регрессии в стандартизованном виде выглядит так Вывод:

Так как < (0,5<0,8) ,то можно заключить ,что большее влияние оказывает на производство продукции фактор , а не , как кажется из уравнения регрессии в натуральном виде .

Рассмотренный смысл стандартизованных коэффициентов регрессии позволяет их использовать при отсеве факторов –из модели исключаются факторы с наименьшим значением .

Индекс множественной корреляции

Оценивает тесноту совместного влияния факторов на результат ( 0 ; 1 ) Значение должно быть больше или равно максимальному парному индексу корреляции

Частные коэффициенты (или индексы) корреляции характеризуют тесноту связи между результатом и соответствующим фактором при неизменном уровне других факторов, включенных в уравнение регрессии (-1;1)

ЧАСТНАЯ КОРРЕЛЯЦИЯ

частные показатели корреляции широко используются при 1) решении проблемы отбора факторов. 2) ранжировании факторов, участвующих в множественной регрессии – для линейных связей (при нелинейной взаимосвязи исследуемых признаков эту функцию выполняют частные индексы детерминации ).

Порядок частного коэффициента корреляции определяется количеством факторов, влияние которых исключается. Например, — коэффициент частной корреляции первого порядка.

Коэффициенты частной корреляции более высоких порядков можно определить через коэффициенты частной корреляции более низких порядков по рекуррентной формуле

При двух факторах и i= 1 данная формула примет вид:

Соответственно при i = 2 и двух факторах частный коэффициент корреляции у с фактором х2 можно определить по формуле