Для оценки качества модели множественной регрессии используют следующие показатели:
· средняя ошибка аппроксимации – характеризует среднее отклонение расчетных значений от фактических значений y. Величину определяют по формуле (2.9);
· коэффициент множественной детерминации – характеризует долю вариации результативного признака, обусловленную регрессией или изменчивостью факторов. Чем ближе к единице, тем лучше регрессия описывает зависимость между факторами и результативным признаком.
. | (3.18) |
Вместе с тем использование только одного коэффициента детерминации для выбора наилучшего уравнения регрессии может оказаться недостаточным. На практике встречаются случаи, когда плохо определенная модель регрессии может дать сравнительно высокий коэффициент .
Недостатком коэффициента детерминации является то, что он увеличивается при добавлении новых факторов, хотя при этом качества регрессионной модели может не улучшиться. Предпочтительнее использовать скорректированный коэффициент детерминации , определяемый по формуле
|
|
. | (3.19) |
Данная формула показывает, что чем больше число объясняющих переменных p, тем меньше по сравнению с . Скорректированный коэффициент может уменьшаться при введении в модель новых факторов, не оказывающих существенного влияния на результативный признак. Однако даже увеличение скорректированного коэффициента детерминации при введении в модель нового фактора не всегда означает, что ее коэффициенты регрессии значимы. Это происходит только в случае, если соответствующее значение t -статистики больше единицы по абсолютной величине, т. е. .
Если известен коэффициент детерминации , то критерий значимости уравнения регрессии имеет вид:
. | (3.20) |
· t-критерий. Выдвигается гипотеза о случайной природе параметров уравнения регрессии , , , …, . Оценку значимости этих параметров выполняют с помощью t-критерия Стьюдента путем сопоставления их значений с величиной случайных ошибок:
. | (3.21) |
Случайные ошибки параметров определяют по формулам:
; | (3.22) | |
; | (3.23) | |
… | ||
, | (3.24) |
где ; – обращенный определитель системы, в котором каждый элемент равен ; – алгебраическое дополнение элемента , получаемое путем вычеркивания i -й строки и j -го столбца из определителя ; – элемент обращенного определителя, стоящий на главной диагонали.
Сравнивая фактическое и критическое (табличное) значения t-статистик с , принимают или отвергают гипотезу .
3.5. Прогнозирование значений результативного признака
с использованием модели множественной регрессии
|
|
При прогнозировании ожидаемого значения результативного фактора рассчитывают точечную и интервальную оценки.
Точечную оценку (прогнозное значение) определяют путем подстановки в уравнение регрессии (3.1) соответствующих прогнозных значений факторов, которые следует записать в виде вектора-строки . Затем вычисляют среднюю стандартную ошибку прогноза. Для ожидаемого среднего значения уравнение ошибки прогноза имеет вид:
, | (3.25) |
где – вектор-столбец, содержащий те же элементы, что и вектор-строка .
Затем определяют интервальную оценку (доверительный интервал прогноза):
(3.26) |
где .
Для ожидаемого индивидуального значения уравнение ошибки прогноза имеет вид:
. | (3.27) |
Затем определяют интервальную оценку (доверительный интервал прогноза):
(3.28) |
где .
ВРЕМЕННЫЕ РЯДЫ