Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Корреляционная зависимость результативного признака от нескольких факторов называется множественной корреляцией.
Регрессионной моделью множественной корреляции называется уравнение
,
где f – некоторая математическая функция;
– параметры;
– значения факторов ;
– теоретические значения результативного признака.
Линейная модель корреляционной зависимости результативного признака y от m факторов имеет вид:
, . (1.11.33)
Модель (1.11.33) так же, как и линейную модель (1.11.5) парной корреляции, можно записать в матричной форме (1.11.9), где
, , ,
а МНК-оценки параметров этой модели можно вычислить по формуле (1.11.10).
Некоторые нелинейные регрессионные модели множественной корреляции сводятся к линейной модели. Рассмотрим некоторые из них.
1. Полулогарифмическая модель
, (1.11.34)
является линейной моделью относительно .
2. Гиперболическая модель
, (1.11.35)
является линейной моделью относительно .
3. Экспоненциальная модель
, (1.11.36)
логарифмированием преобразуется к линейной модели:
,. (1.11.37)
4. Степенная модель
, (1.11.38)
логарифмированием преобразуется к линейной модели:
,. (1.11.39)
Адекватность модели множественной корреляции оценивается средней ошибкой аппроксимации (1.11.19).
Коэффициент линейной модели показывает, на сколько единиц изменяется значение результативного признака при увеличении k -го фактора на одну единицу.
Сравнение МНК-оценок параметров линейной модели дает представление о степени влияния факторов на результативный признак только тогда, когда они сопоставимы. Чтобы сделать эти оценки сопоставимыми, их нормируют по формуле
, (1.11.40)
где и - среднеквадратические отклонения соответственно k -го фактора и результативного признака.
Частный коэффициент эластичности:
, (1.11.41)
где - среднее значение k- го фактора,
- среднее значение результативного признака,
- коэффициент линейной модели при k- ом факторе,
показывает, на сколько процентов в среднем изменяется результативный признак при изменении k- го фактора на 1%.
Сила связи линейной множественной корреляции оценивается с помощью коэффициента множественной корреляции, вычисляемого по формуле
. (1.11.42)
Значение коэффициента множественной корреляции на значимость проверяется по правилу:
1) вычислить эмпирическое значение
, (1.11.43)
где n – число наблюдений, m – число факторов;
2) найти в табл. П5 по числам и и уровню значимости a критическое значение ;
3) если , то коэффициент множественной корреляции признается значимым с вероятностью .
В случае двухфакторной линейной корреляции множественный коэффициент корреляции можно вычислить, зная линейные коэффициенты парных корреляций, по формуле
. (1. 11.44)
Для оценки вклада во множественный коэффициент корреляции каждого из факторов вычисляют частные коэффициенты корреляции, т. е. коэффициенты корреляции, в которой исключается влияние одного фактора. В случае двухфакторной линейной корреляции частные коэффициенты корреляции вычисляются по формулам
и . (1.11.45)
Квадрат частного коэффициента корреляции называется частным коэффициентом детерминации. Он указывает вклад фактора в колеблемость результативного признака.
Наличие мультиколлинеарности, т. е. линейной зависимости меж-ду факторами, приводит к искажению значений параметров линейной модели и изменению смысла их экономической интерпретации. Эта проблема решается в эконометрике.
Пример 1.11.3. В табл. 1.11.11 приведена зависимость прибыли у млн. руб. от затрат коп. на 1 руб. произведенной продукции и от стоимости млрд. руб. основных фондов предприятия.
Таблица 1.11.11
i | i | ||||||
4,3 | 3,9 | ||||||
5,9 | 4,3 | ||||||
5,9 | 4,9 |
Составим линейную модель (1.11.9) данной зависимости, где
и .
Найдем МНК-оценки параметров модели по формуле (1.11.10), применяя функции МУМНОЖ и МОБР для вычисленияв Excel произведения матриц и обратной матрицы:
=
= ,
,
= ,
= = .
Таким образом, линейная регрессионная модель зависимости прибыли от затрат на 1 руб. произведенной продукции и от стоимости основных фондов имеет вид:
. (1.11.46)
Для вычисления средней ошибки аппроксимации (1.11.19) модели (1.11.46) и частных коэффициентов эластичности составим расчетную табл. 1.11.12. Вычислим:
средние значения:
, , ;
среднюю ошибку аппроксимации:
;
частные коэффициенты эластичности:
и .
Таблица 1.11.12
Дата публикования: 2015-02-22; Прочитано: 263 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!