Требования к исходным данным при построении многофакторных моделей

Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями. Факторы, включаемые во множественную регрессию, должны отвечать следующим требова­ниям.

1. Они должны быть количественно измеримы. Если необхо­димо включить в модель качественный фактор, не имеющий ко­личественного измерения, то ему нужно придать количествен­ную определенность (например, в модели урожайности качество почвы задается в виде баллов; в модели стоимости объектов не­движимости учитывается место нахождения недвижимости: рай­оны могут быть проранжированы).

2. Факторы не должны быть мультикоррелированы и тем более находиться в точной функциональной связи.

Включение в модель мультиколлениарный факторов, когда R_yx1 < R_x1x2 для зависимости у = а + b ₁х₁ + b ₂ х₂ + е может привести к нежелательным последствиям - система нормальных уравнений может оказаться плохо обусловленной и повлечь за собой неустойчивость и ненадежность оценок коэффициентов регрессии.

Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель и параметры уравнения регрессии оказываются не­интерпретируемыми. Так, в уравнении у = а + b₁х_{ + b ₂ х₂ + е предполагается, что факторы х, и х₂ независимы друг от друга, т. е. r_x1x2 = 0. Тогда можно говорить, что параметр b₁ измеряет си­лу влияния фактора х₁ на результат у при неизменном значении фактора х₂. Если же r _x1x2 =1, то с изменением фактора х₁ фактор х₂ не может оставаться неизменным. Отсюда b ₁ и b₂ нельзя интер­претировать как показатели раздельного влияния х, и х₂ и на у.