Рассмотрим однофакторную линейную модель,которая использует корреляционно-регрессионный анализ.
Корреляционно-регрессионный анализ в целом решает 3 задачи:
- определяет формы связи результативного признака с факторным;
- выявляет тесноту этой связи;
- устанавливает характер влияния этих факторов.
Она выражается в линейной функции вида: y = a0 +a1x1
Параметры a0 и a1 находятся в результате решения системы нормальных уравнений, которые в свою очередь формируются на на основе МНК. Система нормальных уравнений имеет вид:
a0 *m +a1*∑x1=∑y
a0*∑x1+ a1*∑x21=∑x1y; где суммирование проходит по всем n-числам наблюдения.
Направление связи между y и x1 определяет знак коэффициента регрессии a1. Теснота связи определяется коэффициентом корреляции и вычисляется следующим образом:
ryx1=(под корнем) 1- Syx1/Sy2;где Sy- среднеквадратическая ошибка выборки y.
Sy=(под корнем)∑(y-ỹ)2/n; где ỹ- среднееарифметическое y.
Syx1==(под корнем)∑(y-y*)2/n-2;
Syx1 - среднеквадратическая ошибка уравнения,для числа степеней свободы n-2;
y *-соответствующее значение расхода на питания.
Коэффициент регрессии а1 нельзя использовать для непосредственного оценивания влияния факторов на результативный признак из-за различия единиц измерения изучаемых показателей
Для этих целей применяется коэффициент эластичности:
Эух1=а1* 1/ , Он показывает на сколько % изменился результативный признак у при изменении факторного признака на 1%.
βух1=а1*S1/Sy;
Sx1 =(под корнем)(x+ 1)2/n
Sx1 и Sy - среднеквадратические выборки величин х1 и у.
β – коэффициент показывает на какую часть величины среднеквадратического отклонения изменится среднее значение результативного признака при изменении значения его фактического признака на величину его среднеквадратического отклонения.