Шаговая регрессия

(шаговый регрессионный анализ)

1). Фактор является незначимым, если его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не уменьшая суммы квадратов остатков и не увеличивая их значения.

2). Если при включении в модель соответствующего факторного признака величина множественного коэффициента корреляции увеличивается, а коэффициент регрессии не изменяется (или меняется несущественно), то данный признак существенен и его включение в уравнение регрессии необходимо, он значим.

3). Если же при включении в модель факторного признака коэффициенты регрессии меняют не только величину, но и знаки, а множественный коэффициент корреляции не возрастает, то данный факторный признак признается нецелесообразным для включения в модель связи (незначим).

Под мультиколлинеарностью понимается тесная зависимость между факторными признаками, включенными в модель.

Наличие мультиколлинеарности между признаками приводит к:

- искажению величины параметров модели, которые имеют тенденцию к завышению;

- изменению смысла экономической интерпретации коэффициентов регрессии;

- осложнению процесса определения наиболее существенных факторных признаков.

Причины возникновения мультиколлинеарности между признаками:

- изучаемые факторные признаки, характеризующие одну и ту же сторону явления или процесса;

- использование в качестве факторных признаков показателей, суммарное значение которых представляет собой постоянную величину;

- факторные признаки, являются составными элементами друг друга;

- факторные признаки, по экономическому смыслу дублируют друг друга.

Этапы решения проблемы мультиколлинеарности:

- - установление наличия мультиколлинеарности;

- - определение причин возникновения мультиколлинеарности;

- - разработка мер по ее устранению.

Одним из индикаторов определения наличия мультиколлинеарности – превышение парных коэф-тов величины 0,8. Необходимо исклюю одну из переменных из модели, при этом какую из переменных оставить, а какую искл. Следует в первую очередь из эк. Соображений.

Если с эк. Точки зрения нельзя отдать предпочтения, то оставляют тот, который имеет больший коэф. Кор-ции. С результатом. В результате число факторов уменьшается в модели и необходимо пересчитать модель и сделать анализ.

Матрица парных коэф-тов корреляции: