Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Рассмотрим некоторый экономический объект (процесс, явление, систему) и выделим только две признака (величины), характеризующие этот объект. Обозначим признаки буквами Y и X.
Тесноту линейной связи между признаками Y и X характеризует коэффициент корреляции :
, (5.1)
где величина называется ковариацией между признаками Y и X,
;
.
Отметим, что . Чем ближе к единице, тем сильнее связь. Если , то между признаками и существует прямая зависимость, т.е. с ростом одного признака другой признак тоже возрастает. Если , то между признаками и существует обратная зависимость, т.е. с ростом одного признака другой признак убывает. Если , то между признаками и существует линейная зависимость. Если , то между признаками и отсутствует линейная зависимость.
Иногда показателям тесноты связи можно дать качественную оценку (шкала Чеддока) (табл.5.1).
Таблица 5.1
Количественная мера тесноты связи | Качественная характеристика силы связи |
0,1-0,3 | Слабая |
0,3-0,5 | Умеренная |
0,5-0,7 | Заметная |
0,7-0,9 | Высокая |
0,9-0,99 | Весьма высокая |
Следует отметить, что при вычислении коэффициента корреляции оба признака и входят симметрично (равноправно), т.е. он характеризует как зависимость от , так и зависимость от .
Будем предполагать, что независимая переменная X (объясняющая переменная, предиктор, факторный признак, регрессор) оказывает воздействие на значения зависимой переменной Y (отклик, результативный признак), т.е. имеет место зависимость:
(5.2)
Зависимость (5.2) можно рассматривать с целью установления самого факта наличия или отсутствия значимой связи между Y и X, можно преследовать цель прогнозирования неизвестных значений Y по известным значениям X, наконец, возможно выявление причинно-следственных связей между X и Y. Таким образом, уравнение регрессии позволяет провести анализ и прогноз.
Пусть мы располагаем п - парами выборочных наблюдений над двумя переменными X и Y:
(5.3)
Функция f(X) называется функцией регрессии Y на X, если она описывает изменение значений результирующей переменной Y в зависимости от изменения значений объясняющей переменной Х. Таким образом, имеет место уравнение регрессионной связи между Y и X:
(5.4)
Присутствие в модели (5.4) случайной компоненты ei, называемой случайным членом или возмущением, обусловлено следующими причинами:
- ошибками спецификации, то есть отбора факторов и выбора связи между явлениями;
- ошибками измерения;
- ошибками, связанными со случайностью человеческих реакций.
Относительно e необходимо принять ряд гипотез, известных как условия Гаусса-Маркова:
2. Постоянство дисперсии регрессионных остатков (гомоскедастичность остатков):
Уравнение линейной регрессии
(5.5)
В данной работе - теоретические значения отклика. Коэффициент в уравнении (5.5) называется коэффициентом регрессии. Его величина показывает среднее изменение результата при изменении фактора на единицу. Параметр может и не иметь экономического смысла, формально это значение функции при нулевом значении параметра . Для определения коэффициентов уравнения (5.5) используется метод наименьших квадратов (МНК).
.
Рис.5.1 Геометрический смысл метода наименьших квадратов.
Рассмотрим сумму
, (5.6)
она равна сумме квадратов отклонений. Величина этой суммы зависит от коэффициентов и . Суть метода наименьших квадратов (МНК) заключается в выборе таких оценок и , для которых сумма квадратов отклонений (остатков) найденных значений функции (5.5) от заданных значений функции (5.3) для всех точек будет минимальной.
Для того чтобы найти набор коэффициентов и , которые доставляют минимум функции , определяемой формулой (5.6), используем необходимое условие экстремума функции нескольких переменных - равенство нулю частных производных. В результате получим нормальную систему для определения коэффициентов и :
(5.7)
После преобразования систему (5.7) можно привести к виду
(5.8)
Таким образом, нахождение коэффициентов и сводится к решению системы линейных уравнений относительно и . Эту систему можно решить различными способами: с помощью обратной матрицы, по формулам Крамера, методом Гаусса, методом подстановки. Решая последним способом, получаем соотношения
(5.9)
Таким образом, коэффициенты и линейного уравнения парной регрессии можно получить по формулам (5.9)
Дата публикования: 2015-04-07; Прочитано: 244 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!