Проаожо, ф. ст./мес

Рооюды но рекламу, ф. ст./мес

Рве. 8.1. Пример линейное ешжвя

Если бы мы получили другой график (см. рис. 8.2), то можно было бы сделать вывод, что линейная модель не применима при описании связи между объемом продаж и расходами на рекламу.

Пропаяю, ф. ст./мес

Рооояы на рекламу, ф. ст./мес

Рис. 8.2. Пример нелинейной емшг

Линейная регрессия — первый пример использования математических моделей. Цель любой модели — помочь понять конкретную ситуацию, а, возможно, и объяснить ее путем последующего анализа. Мы можем использовать модель для того, чтобы делать какие-либо прогнозы или предсказания. Модель обычно является упрощением реальной ситуации. Мы должны сделать простейшие предположения, чтобы суметь сконструировать модель, которая давала бы возможность управления, но сама по себе модель должна быть все-таки достаточно реалистичной, чтобы заслуживать внимания. Модели линейной регрессии используются наиболее часто.

Гл. 8. Линейная регрессия 243

Они включают в себя как простые модели для двух переменных, с которыми мы главным образом столкнемся, так и более совершенные модели для многих переменных, которых мы лишь коснемся. Эти модели широко используются потому, что существуют пакеты прикладных программ (ППП), которые осущест­вляют требуемые расчеты. Нужно быть предельно внимательным при использовании ППП для того, чтобы окончательно убедиться, что мы досконально понимаем результаты и правильно их оцениваем.

Эта глава охватывает анализ простой модели линейной регрессии, построенной на конкретных данных (парной линейной регрессии). В конце главы рассматрива­ются множественные регрессионные модели, несколько моделей нелинейной связи и, наконец, измерение корреляции с использованием коэффициента ранговой корреляции Спирмена.