Оценка значимости уравнения регрессии в целом дается с помощью критерия Фишера. Перед расчетом критерия проводится дисперсионный анализ.
Общая сумма раскладывается на объясненную и остаточную регрессии:
общая объяснен остаточная
Если фактор не оказывает влияние на результат, то теоретические значения будут равны среднему.
Разделив суммы квадратов на соответствующее число степеней свободы, получили дисперсии:
Расчетное значение критерия Фишера находится по формуле: Fтабл. определяется по таблицам распределения Фишера с учетом уровня значимости ά=0,05/0,01/0,1 и числом степеней свободы ν1 = 1, ν2=n-2. Если Фрасч>Фтабл, уравнение регрессии признается значимым.
Оценка линейного коэффициента корреляции также осуществляется с помощью критерия Стьюдента.
Если tr>tтабл при ά=0,05 и ν=n-2, то r признается значимым.
Спецификация моделей множественной регрессии
При построении уравнения множественной регрессии, решается 2 круга вопросов:
отбор факторов
выбор вида уравнения регрессии
|
|
требования к факторным признакам:
1.факторные признаки должны быть количественно измеримы
Факторы не должны находится в точной функциональной связи
отбор факторов должен производиться на основе качественного теоретико – эк. анализа. Две стадии анализа:
факторы подбираются исходя из существенности проблемы
на основе матрицы показателей корреляции, а так же t-статистики, из всего круга факторов выбираются наиболее существенные
факторы не должны находится в тесной корреляционной связи друг с другом. Тесная корреляционная зависимость между факторными признаками – мультиколлинеарность. При мультиколлинеарности имеет место совокупное воздействие факторов друг на друга. Наличие мультиколлинеарности приводит:
· к искажению параметров модели
· изменению смысла экономической интерпретации коэффициентов регрессии
· слабая обусловленность системы нормальн. Уравнений
· к осложнению процесса определения наиболее существенных факторных признаков
причины мультиколлинеарности:
изучаемые факторные признаки характеризуют одну и туже сторону явления или процесса
используемые в качестве факторных признаков показателей, суммарное значение которых представляет собой постоянную величину
факторные признаки являются составными элементами друг друга
индикатор определения мультиколлинеарности – превышение линейным коэффициентом корреляции величины 0,8…. От одного из факторов стоит отказаться.
число включаемых факторов должно быть в 6-7 раз больше(меньше) объема совокупности. Нарушение этого требования приводит к незначимости уравнения и его параметров.
Методы построения уравнения множественной регрессии:
метод исключения(отсев факторов из полного его набора)
метод включения(доп. Включение факторов)
шаговый регрессионный анализ(исключение ранее введенного фактора)