Множественная (многофакторная) регрессия. Если определяется зависимость между двумя и более признаками, то говорят о наличии множественной регрессии

Если определяется зависимость между двумя и более признаками, то говорят о наличии множественной регрессии.

Этапы исследования множественной регрессии:

- выбор формы связи;

- отбор факторных признаков;

- построение уравнения.

Теоретически уравнение множественной регрессии может быть представлено любой формой связи. Но одновременное влияние нескольких факторов, как правило, затушевывает конкретный вид зависимости.

Как правило, все виды нелинейных уравнений сводятся к линейным.

Количество факторов, включенных в модель, должно быть ограничено. С другой стороны оно должно быть достаточно, чтобы отразить влияние всех факторов.

В модель необходимо включать независимые или взаимосвязанные факторные признаки, при условии, что их влияние на результат признака будет больше их взаимного влияния друг на друга.

Из двух взаимосвязанных факторных признаков из модели исключается тот, чье влияние на результирующий признак будет меньше.

Система нормальных уравнений для трехфакторной модели:

Коэффициенты регрессии а₀, а₁, a₂ характеризуют влияние конкретных факторов: а₁ – показывает на сколько единиц измерений изменяется у при изменении х на свою единицу измерения.